对现行教科书中若干统计方法应用的再认识

一、回归分析方法的应用问题 回归分析是通过建立回归模型来反映自变量和因变量之间的变动关系,进而根据自变量对因变量作出预测.然而,现行教科书在介绍该方法的用途时出现了三方面的误解,现予以说明并加以矫正.     

用最小平方法进行统计预测的条件及步骤

最小平方法是统计预测中最常用的方法之一。但人们在运用时,往往不看资料是否符合预测条件,盲目运用最小平方法进行预测,这样预测的结果不准确,误差较大。运用最小平方法进行预测的条件有两个,一是两个变量必须高度或显著相关;二是自变量与因变量在平面直角坐标系上对应的点应近似地成一条直线。下面通过一个例子来说明运用最小平方法进行预测的条件和步骤。要求根据表1资料预测该企业1998年纯碱产量将达到多少万吨。第一步:作散点图。这一步主要是观察资料是否满足用最小平方法进行预测的两个条件:既观察两个变量是否相关;是否近似地成一条直线。根据表1的资料,以时间(序号)为自变量t,产量为因变量y,作散点图。由散     

基于逐步惩罚的动态多元线性回归预测模型

在采用回归方法进行数据预测时,对呈近似线性关系的因变量和自变量,并非要寻找到其对应的精确的非线性函数,而可在对数据进行修正后继续使用线性回归模型。文章讨论了一种引入惩罚因子的动态回归模型,该方法在传统的多元线性回归模型的基础上,在进行逐步回归的同时,通过不断调整因变量来实现实时更改其变化趋势以达到最佳预测结果的目的。该方法在对上海市历年外国游客人数进行分析和预测时得到了较理想的结果。     

双回归（AR—R）预测模型之新探——及其在中国人口中短期预测上的应用

构造一种称为双回归的时间序列预测新方法。本文作者利用与因变量自身相关性紧密的因变量前几期取值,综合前一次的自变量构建了双回归(时间序列自回归-多元线性回归)预测组合模型。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。并用这种新方法对中国的人口总量进行预测,预测效果比较理想。     

对线形回归模型估值方法的分析比较

回归分析是在研究现象之间相关关系的基础上,对自变量和因变量的变动趋势拟合数学模型进行量的推算的一种统计分析方法,以揭示自变量的变动影响因变量变动的一般水平,最基本的形式是一元线     

基于正交迭代的有监督的稀疏主成分分析

主成分分析是经典的无监督的数据处理工具,近年来关于稀疏主成分和有监督的主成分研究受到较多关注。基于正交迭代和距离相关系数,提出一种有监督的稀疏主成分分析方法 SSPCA,该方法考虑了自变量与因变量之间的相关性,并在迭代求解的过程中将一些与因变量Y相关性很弱的自变量对应的系数变为0,使所求的特征向量只保留预测能力较强的自变量信息;在数值模拟与实例分析中,相比其他四种方法,SSPCA方法均能取得较好效果。     

分位数回归技术综述

普通最小二乘回归建立了在自变量X=x下因变量Y的条件均值与X的关系的线性模型。而分位数回归（Quantile Regression）则利用自变量X和因变量y的条件分位数进行建模。与普通的均值回归相比，它能充分反映自变量X对于因变量y的分布的位置、刻度和形状的影响，有着十分广泛的应用，尤其是对于一些非常关注尾部特征的情况。文章介绍了分位数回归的概念以及分位数回归的估计、检验和拟合优度，回顾了分位数回归的发展过程以及其在一些经济研究领域中的应用，最后做了总结。     

前移回归分析法在广西省经济预测中的应用

经济指标是多项相关因素的函数,一个时间段内各项指标(自变量)值会影响下一时间段待预测指标(因变量)的取值.本文以广西省12项主要经济指标为实例,采用前移回归方法预测了人均GDP,进而预测了其余指标2008～2009年的取值.这种方法克服了以往时问序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷,取得较好的效果.     

序次Logistic回归模型中因变量分类数的确定

当因变量为定性数据时,Logistic回归模型经常被使用,其中又以二分类因变量(取值为0或1)的Logistic模型最为常见。其实,Logistic回归模型也可以应用于多分类因变量,即因变量的分类数大于等于3的情况。而且,多分类因变量既可以是序次的(Ordinal),也可以是名义的(Nominal)。当多分类因变量类别之间有序次关系时,一般采用序次(或累积)Logistic回归模型。人们在进行此类回归分析时,往往只注重通过一定的手段选择合适的自变量,以达到预期的拟合效果,却忽视了对因变量取值的研究。由于序次Logistic回归模型其实隐含了对因变量分类的一种假设条件…     

指数平滑模型功能分析

指数平滑模型功能分析黄泽荣，许刘俊几种指数平滑模型的功能指数平滑模型有一次，二次，更高次之分，其共同点是利用全部观测资料的信息，在平滑的基础上进行外推预测。但不同的指数平滑模型的适用背景有明显的差异。一次指数平滑模型适用条件是观测数据没有明显的上升或...     

基于样本企业所得税的回归预测研究

企业所得税预测对宏观、中观和微观经济有着重要的作用。文章以某企业的财务数据为样本,通过选取不同的自变量、应用不同的模型对企业所得税进行预测分析,认为：应用线性回归模型进行企业所得税的预测时,截距项为零的假设是成立的;根据财务数据选取自变量的优先级次分别为利润、增值税、销售收入;在经济发展平稳的条件下,时间序列的预测效果较好。     

关于中位数计算公式的两点看法

中位数作为位置平均数之一，在社会经济现象的定量分析中有着广泛的应用。但现行统计学在介绍其计算方法时，有一些不妥或遗漏之处。一、关于单项式分组资料的中位数公式问题中位数的计算公式，通常是分别“未分组资料”和“分组资料”两种情况，后者还分别‘啤项式分组”和“组距式分组”两种情况。对于每一种不同情况，均有相应的不同计算公式。现行的教科书在介绍“单项式分组资料”的中位数计算公式时，采用的是以下公式：中位数Mo=所在组对应的标志值（变量值）我认为，这一公式过于简单化。单项式分组资料中位数的计算，与本分组资料…     

基于R软件rpart包的分类与回归树应用

对于许多分类和回归问题,二叉树（Binary Tree）提供了有趣而又形象化的方式来研究数据,它主要是按照一定的规则拆分自变量,而完成对因变量的合理分类,进一步可以对未知分类进行预测。在主要介绍递归分割（Recursive Partitioning）和回归树（Regression Tree）在R软件中应用的同时,对一前列腺癌数据使用生存分析和分类与回归树相结合的方法做出分析,并得到了对于疾病诊断和预防较有指导意义的结论。     

统计预测模型在北京蔬菜需求量中的应用

统计预测模型可分为因果关系模型和时间数列模型,对于蔬菜需求量的分析和预测也可以从这两方面入手。 一、因果关系的分析和预测 回归模型是进行因果关系分析及预测的有效手段。在建立模型时,首先要确定自变量,即因变量的影响因素。 北京市蔬菜需求总量的影响因素很多,主要是消费人口和人均需求量两个因素决定的。     

回归数学模型的优选问题

在经济预测中,常用回归分析方法来研究自变量与因变量之间的相关关系。而在选用数学模型时,常会遇到可以选用不止一种模型来拟合实际资料的情况,因而产生了究竟选用哪一种模型才算较好的问题。例如,研究城镇居民食品支出与生活费收入之间的相关关系。1988年全国城镇居民抽样调查户(34945户)的家庭收支中,人均生活费收入和人均食品支出的资料,如表1:     

基于提取综合特征因素的投影寻踪多元线性回归分析

文章针对多元线性回归分析中经常遇到小样本、多自变量以及所产生的多重共线性这一问题,提出了基于投影寻踪(PP-RAGA)提取自变量综合特征因素的多元线性回归分析方法.该方法在自变量过多时,根据自变量所表现出的共同特性,将符合共同特征的自变量通过投影寻踪方法划归所隶属综合特征因素,最后将得到的综合特征因素作为新的自变量进行多元回归分析.通过实例验证,该方法可以解决小样本情况下自变量过多以及多重共线性问题,使回归模型更具有研究意义,是值得借鉴一种新型多元回归分析方法.     

基于模糊线性回归的电子商务交易额预测

由于外界环境的影响以及复杂系统本身的模糊性,经典线性回归不能解释这类不精确数据的问题.因此,文章建立因变量是对称模糊数的线性回归模型.根据中国电子商务交易额和互联网发展数据,考虑因变量在不同时期的差异隶属,计算出回归函数的估计表达式.通过与经典线性回归的结果进行比较分析,表明模型在描述数据间内在结构,以及提高预测的精度上有显著效果.     

浅议路径分析

路径分析是一种研究变量间相互关系、自变量对因变量作用方式、程度的多元统计分析方法。本文通过对其基本思想、基本步骤地阐述,简单分析了该方法的应用条件、作用及优缺点,以便更好更多的应用于实践中。     

逆概率加权多重插补法在中国居民收入影响因素中的应用研究

在分位回归中,自变量缺失是一种重要的数据缺失问题。尤其当自变量缺失与因变量有关时,已有的多重插补法会带来有偏估计。通过逆概率加权,将修正后的逆概率加权多重插补法用于模拟研究和应用研究。模拟研究表明,在不同的缺失相关程度下,逆概率加权多有效解决了同工作时间的数据缺失问题,同时重插补法能够有效减少估计偏差,并在一定程度上保证估计量的有效性。在中国综合社会调查(CGSS)的应用研究中,该方法有效解决了周工作时间的数据缺失问题,同时揭示了影响年收入的重要因素,说明该方法具有一定的应用价值。     

应用最小二乘法预测出院人次

统计预测法(Statistical Forecast Method)是根据过去的情况和资料建立数学模型并由此对未来趋势作出预测的一种非主观方法。应根据预测资料的质和量来选择不同的预测方法,如预测资料零散不全或无法搜集,很难通过精确计算来得出结论,在此情况下,一般可选用定性分析的方法,如所掌握的资料全面且可信度高,那么就可以选用精确计量方法进行预测,如果指标的变化呈水平性,则采用简单平均数就可以了。常用的统计预测法有比例趋势分析法、经济计量模型法、一元线性回归预测、多元线性回归预测、非线性回归预测等。统计预测是现代管理经常使用的一种方法,现代医院管理中也常采用统