线性回归模型与对数线性回归模型的优选——几种简便的检验方法的运用

回归分析是进行统计预测、描述,评价经济变量间关系及进行政策模拟的一种重要方法。在进行回归分析时,一个重要的问题是模型的优选。一方面是在模型形式一定的情况下选择自变量(即在所有可能自变量中选择出最佳的自变量组合),另一方面是模型形式的选择。 在回归分析中,最简单的模型是线性回归模型:     

如何进一步分析逐步回归分析剔除的自变量

如何进一步分析逐步回归分析剔除的自变量马恒运逐步回归分析的结果是将显著的自变量包含在模型中,而将不显著的自变量剔除置于回归分析之外,这样做的结果并不利于从变量之间的相互联系和相互影响中去研究事物变化的原因和结果,不利于充分利用调查得来的统计信息,同时...     

基于双重筛选的多因变量偏最小二乘逐步回归方法

偏最小二乘回归分析中的一个重要问题是变量选择,文章的主要目的是给出一种改进的多元数据分析方法-基于双重筛选的多因变量偏最小二乘逐步回归方法。双重筛选方法既能按自变量对因变量的关系进行分组,又能使每个自变量对各组因变量的作用反映出来。因此基于双重筛选的多因变量偏最小二乘回归方法能很好地处理这类问题,并得到好的结果。     

安徽旅游业发展的影响因素分析

文章以安徽为例,在经济学的理论基础上建立了1995～2009年间的安徽省旅游收入因素的计量模型。通过对旅游收入的多因素分析,建立以旅游总收入为因变量,以接待旅游总人数、旅行社总数、星级宾馆数量以及旅游业从业人数等为自变量的多元线性回归模型,并利用SPSS软件对旅游总收入影响因素进行了分析。     

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.     

一种基于逐步回归的国家财政收入模型

一、逐步回归模型的建立(一)变量选取在使用回归分析建立模型时,首先遇到的一个重要问题就是自变量的选择问题。一方面为获取全面信息,总希望模型中包含的自变量尽可能多;另一方面,考虑到获取很多白变量的观测值的费用和实际困难,则希望模型中包含的变量是最重要的、且尽可能地     

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.     

有偏回归分析方法及其在经济管理中的应用

一、引言 随着计算机的普及应用,多元回归分析在经济和管理实践中得到了广泛应用.由于使用多元回归分析时的重要条件之一就是要求各自变量之间不相关或称无多重共线性关系,如果不注意这些使用条件,在运用多元回归分析时,就可能得出错误的结果.尤其在经济问题分析领域内,具有密切关系的变量很多,更应引起人们的注意.岭回归和主成分回归等有偏回归分析方法是处理自变量间多重共线性的两种有效方法,本文结合经济实例来探讨它们的应用情况.     

自变量可重复观测的线性回归模型研究

文章研究了自变量可作重复观测的线性回归模型.对固定自变量X采用重复观测,得到应变量Y的多个观测值,并利用其均值与X构成数对,建立起自变量重复观测的线性回归模型.讨论了这种模型在一元时的情形,实例分析结果表明,该线性回归模型的参数估计值的方差更小,较之传统回归模型更为有效.     

统计学和经济学产生和发展的互动关系及启示

首先,统计学有助于优化经济学的方法,即促进经济学方法的量化与精确化. 经济学需要确定变量之间的关系,如供给、需求与价格之间的关系.只有这样,才能揭示经济规律.统计学则提供了这种方法.例如,回归分析是主要方法之一.上述供给、需求与价格之间的关系,实际上是因变量与自变量的关系.收集数据,将自变量对因变量作回归分析,其回归结果可以确定两者之间的关系,可以增加理论可信度.再例如,效用理论的确立在很大程度上得益于统计学的帮助.     

哈尔滨市“两税“收入回归分析

回归分析方程的一般表达式为y=a bx主要作用在于给出自变量的数值,来估计因变量的可能值,可能值又称理论值或估计值。在一元线性回归方程中,自变量的系数b称为回归系数,表明y对x的回归关系。a、b的导出过程略。     

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     

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型.但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunction models).与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构.在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考.     

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。     

偏最小二乘回归在SPSS软件中的实现

偏最小二乘回归是第二代回归分析方法,目前已在各种领域得到广泛应用.文章通过详细介绍不同版本的SPSS软件中PLS模块的安装来说明偏最小二乘回归方法在SPSS软件中的实现,并结合实例进一步说明该方法的参数设置和结果的解释.实例分析表明:偏最小二乘回归能够解决变量间多重共线性问题,适合在样本数小于变量个数情形下对系统进行回归建模.     

经济计量模型中不相关单位根变量间伪回归的纠正方法

文章旨在考察经济计量模型中不相关单位根变量间伪回归现象形成的内在成因,为这类伪回归的纠正提供方法依据.借助三个定理的证明,分析了不相关单位根变量间伪回归形成的过程.研究表明,在回归模型中包括自变量和应变量的一阶滞后变量可纠正伪回归的问题.     

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…     

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。     

回归分析中虚拟变量的系数转换

回归分析中虚拟变量的系数转换曹志祥在工业统计回归分析中,有时遇到自变量是属性变量的情形,即该变量描述的现象是足性的,或是可分类的,但回归分析中不宜直接使用属性变量。因为,对属性变量所赋与的离散值之间的相等间距掩盖了不同属类之间的差异,用属性变量直接回...