多元非线性回归预测模型的一种建立方法

多元非线性回归预测模型的一种建立方法扬州大学税务学院程毛林在经济预测中，常用多元回归模型反映预报量与各因素之间的依赖关系，其中线性回归分析有着广泛的应用。但客观事物之间并不一定呈线性关系，在有些情况下，非线性回归模型更为合适，只是建立起来较为困难。这...     

参数与非参数回归在FDI中的比较分析

文章在对参数回归及非参数回归方法进行介绍的基础上,采用线性回归模型、引入虚拟变量的非线性回归模型以及N-W核权函数回归估计,对1983-2014年我国外商直接投资总额与GDP关系进行探讨.最后分别给出3类方法的拟合值以及MAE和MSE.从拟合效果来看,相对于线性回归模型,引入虚拟变量的非线性回归模型以及非参数回归方法更能有效地拟合FDI与GDP之间的关系,且窗宽为0.25的非参数估计效果更优.     

多元回归中因素测度的可加性检验

以非可加测度代替经典可加测度,基于模糊积分建立非线性回归模型是新近出现的数据建模方法。本文在该方法基础之上提出回归因素之间可加性检验方法,以线性约束检验任意因素之间的可加性。可加性检验结合信息融合指数--Shapley指数,可以给出模型的实际意义(如经济意义等)。示例表明,该检验方法可行。     

非线性回归模型的线性变换和正交多项式回归

在非线性回归模型中,部分模型可以通过数据变换转化为线性模型进行研究,但这种转换有时会引起随机扰动项的变换,改变其假设条件,从而影响模型的准确性.文章引入非线性回归模型的线性变换方法和正交多项式回归方法,重点介绍了正交多项式回归方法;基于R语言软件,通过例子说明了非线性模型线性变换的局限性,并给出了正交多项式回归方法拟合非线性模型的具体应用.     

灰色神经网络预测模型的应用

经济指标的准确预测是国家对宏观经济正确调控的必要前提.但经济系统,特别是宏观经济系统是一个非常复杂的系统,其中广泛存在着非线性、时变性和不确定作用关系,在计量经济学理论基础上建立的各种宏观经济模型,大部分都是线性模型,线性模型在发挥巨大作用的同时,也逐渐暴露出它的缺陷,即很难把握宏观经济系统中的非线性现象,这必然导致了经济预测上的误差加大.经济学界的工作者们因此对各种线性模型做了大量改进工作--如建立分段线性模型、参数时变线性模型等,但结果往往并不理想.这就迫使人们寻求一些非线性工具进行宏观经济建模.     

区域出口贸易非线性混合预测模型及其实证

混合预测模型由于能够反映事物变化的线性和非线性特征,而在预测领域得到了广泛的应用。本文针对区域出口贸易的特点建立了一种基于BP神经网络和误差校正向量自回归模型的的非线性混合预测模型,应用于区域出口贸易预测,得到了较好的预测效果。由于该模型能够反映经济系统中各变量的长期均衡关系,同时非线性的协整变量能够反映出经济系统其他变量的短期波动对预测变量的影响,因此该模型适合于经济变量的预测。     

税收收入模型预测精度的比较

文章建立了四个预测税收收入的有效模型,利用1985～2004年的样本数据进行实证分析。结果表明:半对数模型预测税收收入偏差较大;当把经济因素作为外生变量引入自回归模型时,模型预测精度也较差;如果把政策因素这一外生虚拟变量加入自回归模型,模型预测精度明显提高;而采用主成分分析法消除了多个经济因素之间的复共线性以后,建立的对数线性回归模型预测精度较高,适合用来预测税收收入。     

对统计预测中估计标准差的自由度的看法

在统计预测中,不论是时间序列预测还是因果关系预测,都是假设预测目标与影响其变化的因素之间存在着相关关系（线性或非线性）。因此,建立预测模型y=f（x1,对于一组样本观察值,满足,,且各;相互独立。为了研究y与x1,x2,...,xm之间的关系,我们建立回归模型,用所建立的预测模型进行预测和控制。对于给定的,则预测目标的点预测值为;当样本容量N较大时,预测目标的概率为95．45％的预测区间约为,其中为估计标准差（N为样本容量,m为模型中被估计参数的个数）。不论是线性模型还是非线性模型结论都是如此。由暴奉贤、韩兆洲、郭…     

不等概率分层抽样条件下Probit模型的参数估计

线性回归分析作为一种传统的统计分析方法,现已得到广泛的应用和完善.但受其对应变量连续性要求的影响,当应变量为分类变量(常见的是二分类变量,即y取0,1两个值)时,线性回归模型不再适用.人们通常采用Probit模型或Lotist模型对二分类因变量进行回归分析,与线性回归不同,Probit回归是一种非线性回归模型,因而在参数估计时,通常采用极大似然估计,并且在随机样本条件下,Probit模型的极大似然估计具有一致性,渐进有效性和渐进正态性.     

房地产业与银行业股票的相关性研究

在给定概率水平下,为了描述具有尖峰、肥尾、有偏等特性的金融变量之间的非线性相依结构,给出了能够准确刻画金融变量上述特性的非对称Laplace分布,首次推导出了以该分布为边际分布,联合分布由高斯Copula建立的非线性分位数回归模型.实证表明:高斯Copula非线性分位数回归模型能够更全面准确的描述房地产业与银行业股票收益率之间的风险相关关系,对于预测收益率和防范金融风险具有十分重要的意义.     

一元非线性回归两种不同模型的比较

一元非线性回归是常用的统计分析方法,其计算方法是通过数学变换将非线性模型转换成线性模型,然后用最小二乘法计算回归系数。将非线性模型转换成线性模型有两种数学模型,其一是经过线性化后,以直接观测值的函数作为因变量,这是常用的方法,称其为间接观测值回归;其二是经过线性化后,以直接观测值作为因变量,称其为直接观测值回归。文章讨论了这两种数学模型回归结果间的差异,通过仿真实验说明了直接观测值回归的结果优于常用的间接观测值回归的结果。     

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.     

基于NARX神经网络与ARMA的汇率混合预测模型

汇率时间序列是一个动态复杂系统,单独的线性回归模型或者非线性神经网络都不能很好地反映系统的特征.文章将汇率时间序列分解成线性序列和非线性序列两部分,并分别用ARMA和NARX神经网络进行建模;最后组合成NARX-ARMA汇率混合预测模型.结果证明,相比其他汇率预测模型,NARX-ARMA混合模型有更好的预测效果.     

影响我国财政收入的多元线性回归模型

本文通过一个实例详细介绍了建立经济计量模型的过程和步骤,旨在引入用多元线性回归分析的方法来分析实际问题的思想.首先由定性分析选取与我国财政收入有较强的相关性的几个影响因素,以其作为解释变量,建立与财政收入的线性模型     

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.     

含非线性的平稳变量之间的虚假回归研究

研究含非线性的平稳变量之间的虚假回归问题。通过推导OLS估计的收敛性、t统计量和R2的极限分布,证明含非线性的平稳变量之间会出现虚假回归现象,除非回归模型能精确地捕捉变量中的非线性。蒙特卡洛模拟的证据与推导出的理论相符。研究表明:在经济分析中,甄别和正确地处理变量中的非线性部分是十分重要的。     

线性、非线性与广义线性回归模型

本文研究了线性、非线性与广义线性回归模型之间的关系，澄清了一些重要的统计概念，并对广义线性模型作了简要介绍。广义线性模型是当前统计科学发展的一个方向，统计研究与应用的许多高、新领域都在很大程度上以广义线性模型为其理论基础。将其介绍给我国广大读者对于促进我国统计事业的发展，建设大统计学科有重要意义。     

商品房销售面积回归模型新论

采用6个变量,运用回归分析工具,建立杭州市商品房销售面积的多元线性回归模型.经过对其拟合效果和假设检验,证明该模型的合理性和经济意义,在此基础上对杭州市未来商品房销售面积进行预测,并实证分析经济发展与商品房销售面积的内在联系.     

关于R2等价定义的探讨

在计量经济学中,通常用回归平方和与总的平方和的比例来定义R2,反映回归方程的拟合度,而往往忽视用因变量和因变量预测值的相关系数的平方得到R2的一种等价定义.等价R2克服了通常R2的缺点,同时可以推广到非线性回归模型和限值因变量模型的拟合度度量.文章从一元线性回归模型出发,构思如何得到多元线性回归模型等价R2,并以Tobit模型为例说明等价R2在非经典计量模型中刻画拟合度时的优势.从而强调重视在教学中对等价R2的认识.     

分数维非线性协整及误差校正模型

本文在分数维和非线性的框架下讨论了经济系统中的长期均衡关系,提出了分数维非线性协整的概念及对应的误差校正模型,基于小波神经网络给出了分数维非线性协整的检验及其误差校正模型的建模方法。实证研究发现中国股市存在分数维非线性协整关系,据此建立了相应的分数维非线性误差校正模型.该模型的预测效果优于带有外生变量的非线性自回归移动平均模型。