基于IGARCH投影寻踪回归的国际油价走势拟合模型

随着我国对石油进口的依赖程度不断增加,国际油价变化对我国经济的影响越来越大.文章充分考虑了金融时间序列的方差时变性的特点,建立基于三种不同分布的IGARCH模型对国际油价的走势进行刻画,引入非参数投影寻踪回归模型的理论方法,对多维数据进行投影降维分析,结果表明基于IGARcH的投影寻踪回归具有较强的模型拟合能力,我国应采取一定的措施把国际油价变化对我国经济的影响减到最小.     

上海市经济发展的典型时序模型分析

文章以1978～2007年上海市人均GDP的统计数据为样本,处理原始数据,对序列进行差分平稳化处理,消除虚假回归,进行单位根检验,并借助统计工具,利用序列自相关、偏自相关性质,确认序列适合的模型,从而建立了经典的ARJMA时间序列方程,最终对未来数据进行了经济预测,为管理决策给予一定数量参考价值.     

计量经济学和统计学视角下的线性回归模型——再议线性回归模型的设定

从属性、构建方法及意义等方面,分析研究线性回归模型在计量经济学和统计学两学科视角下的差异,并根据这种差异进一步提出回归模型的基本设定思路。研究表明:识别这种差异是完成模型设定工作的基础性和必要性举措,有助于实现线性回归模型的正确设定。以经典例证对计量经济学和统计学回归模型在应用中的区别以及模型设定问题进行进一步展示和分析。     

时序系数GM(1,1)模型及其应用

基于GM(1,1)模型误差产生的原因分析,提出了用时序系数对等间距时序进行修正,建立时序系数GM(1,1)模型,克服了时序残差模型求得的时序残差序列可能不满足非负性的缺点,简化了建摸过程。通过实例分析表明,时序系数GM(1,1)模型适应于有较大波动的原始数据序列的分析建模,实例验证表明了所建模型的实用性与可靠性。     

基于Eviews软件的回归模型优选问题研究

回归模型的选择要定性分析与定量分析相结合。在了解所研究现象的客观性质及其相关的理论知识的基础上,根据现象观察值的发展变化规律及其散点图的形态确定适当的趋势线类型。当有几个模型可供选择时,Eviews软件提供了若干指标,可供我们作出选择。     

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.     

浅谈简单线性回归模型与对数线性回归模型的选择

在我们进行经济建模分析时,经常会遇到这样的问题：对于样本数据,我们是选用简单线性回归模型,还是选用对数线性回归模型,,对于这种选择,我们不能主观臆定,只能从客观上对这两种模型进行对比分析,找出最优的回归模型形式。本文拟对这两种模型的选择问题作初步探讨。     

基于影响因素的进度计划模型研究

文章针对工序工期的不确定性,将其看作是各不确定因素影响下的结果,建立了基于影响因素的进度模型。不但可以灵活描述不确定的工序工期,而且能揭示工序工期间在不确定因素作用下的相关依赖性,突破了传统网络计划方法中把工序工期看成是相互独立变量的作法。     

基于岭回归的4万亿经济刺激计划效果的评估

文章构建了以投资I、消费C、政府财政支出G和出口EX为自变量,GDP为因变量的对敷线性模型,采用岭回归的方法估计模型参数.通过模型参数的估计值评估4万亿经济刺激计划对经济增长的拉动效果.     

基于二分类Logistic回归模型的企业网络营销统计分析

文章构建了二分类Logistic回归离散选择模型,并运用该模型对20家知名企业网上营销渠道的选择行为进行分析研究。结果表明,这些企业网络营销渠道不但不能取代传统的销售渠道,而且要依赖传统的销售渠道。     

基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

Copula回归模型与应用

文章探讨Copula回归模型应用于具有相关关系的指标时的优势,通过示例分析,揭示了用Copula回归模型与普通回归模型对数据拟合的不同,表明了当不同指标间存在相关关系时,Copula回归模型能更加客观准确地反映数据背后的关系.     

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断.     

基于分层逻辑回归的小企业信用评价模型

由于小企业的财务信息不健全、贷款难与急、违约样本数据缺乏等特点,建立小企业的信用评价模型对于小企业获得贷款具有重要的作用.文章通过将统计抽样理论中分层思想与逻辑回归模型相结合,构造了基于分层逻辑回归的小企业信用评价模型,并对中国小企业进行了实证分析.     

基于辅助回归模型的空间Hausman检验

 基于面板数据空间误差分量模型,提出空间Hausman检验,并通过数理推导,构造辅助回归模型的空间Hausman检验,进而通过Monte Carlo模拟实验,研究空间Hausman检验,以及辅助回归空间Hausman检验的有限样本性质。研究结果表明,空间Hausman检验能有效矫正空间面板数据下经典Hausman检验的水平扭曲,但随着空间相关性和样本量增大,其水平扭曲偏离理想值;辅助回归空间Hausman检验始终保持理想的水平扭曲。此外,二者均具有优越的检验功效。     

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

基于虚拟变量回归的旅游花费模型构建

消费是旅游者暴露在外的最显著特征之一,旅游花费支出是旅游目的地最有经济意义的一项指标。文章选取西安这一传统旅游城市为研究对象,以十一国内游客为研究样本,基于游客个人社会信息和此次出游相关指标,综合探讨了游客花费开支状况。基于虚拟变量回归构建了西安十一国内旅游花费模型。     

基于部分函数型线性回归模型的改进

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据.文章主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.     

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.     

基于逆γ偏正态分布的Tobit回归模型

Tobit模型是一种应用很广泛的截尾回归模型,并假定其误差项服从正态分布.相对于对称分布,偏态分布能获得更全面准确、及时有效的信息.基于此,文章提出了基于逆尺度因子偏正态分布的Tobit回归模型,并给出了该模型参数的极大似然估计,通过数值模拟与正态假设下的Tobit模型进行比较,结果表明该模型和方法是有用和有效的.