对我国寿险经济需求模型的改进

文章结合国外有关寿险需求的分析与研究,将影响寿险需求的几个因素作为解释变量,运用多元线性回归的方法进行模型拟合,并针对所得模型中存在的严重的多重共线性问题,运用岭回归方法降低其共线性,建立新模型,尝试性的探讨影响我国寿险经济需求的因素。     

多重共线性的解决:剔除变量的新标准

当使用剔除变量法解决线性回归模型的多重共线性问题时,根据方差膨胀因子的大小来选择被剔除变量是存在缺陷的.解释变量显著性检验的t统计量的绝对值大小反映了该解释变量对被解释变量的贡献程度的大小,因此可以将t统计量绝对值作为剔除解释变量的依据,从而得到一类多重共线性的解决办法.     

半偏相关系数的计算公式及其应用

半偏相关系数反映了一个解释变量对复相关系数的唯一的贡献。文章根据半偏相关系数的定义和作用,得到了半偏相关系数与简单相关系数的关系,即半偏相关系数的计算公式;并指出在建立多元线性回归模型时,半偏相关系数可用来剔除引起多重共线性的解释变量。     

局部线性估计中的多重共线性问题

各解释变量之间存在多重共线性是现实中很普遍的现象。本文对局部线性估计多重共线性问题进行了讨论,发现多重共线性造成局部线性估计精度下降的原因,并提出了一个补救方法:当变量之间高度相关时采用主成分回归可以有效提高估计精度。本文还通过模拟的方式证明了此方法的有效性。     

Logistic模型多重共线性问题的诊断及改进

文章诊断并改进了logistic回归模型多重共线性问题方法,采用条件指数和方差分解比例两项指标进行共线性诊断、应用主成分改进和偏最小二乘回归两种方法进行多重共线性变量的改进处理:去除了回归模型中变量间的多重共线性影响,建立了较为理想的关系模型.结果表明,在Logisdc回归模型分析中,应用上述方法进行多重共线性的诊断和处理是有效及可行的.     

多重共线性问题及其补救措施

一、多重共线性的性质 　　多重共线性(multicollinearity)一词原意是指一个回归模型中的一些或全部解释变量之间存在有一种"完全"的"线性"关系.……     

基于特征值的多重共线性处理方法

一、多重共线性及其传统检验方法 对于多元线性回归模型Yj=b1Xlj+b2X2j+…+bkXkj+εj,(变量均已标准化)如果模型的自变量之间存在着较强的线性相关关系,或者说存在一组不全为零的常数a1、a2……,ak,使得:     

基于粗集理论的线性回归方法及实证分析

通过分析实际问题中经济变量间往往出现多重共线性的现象，将粗集理论的约简思想引入线性回归分析，提出了基于粗集理论的线性回归模型来解决多重共线性问题，并通过实证分析来验证模型的可行性，为人们进行科学的预测和决策提供了一种新的思想和方法。     

基于Lasso改进的一般因果关系检验

通常所说的Granger因果关系检验，实际上是对线性因果关系的检验，无法检验非线性因果关系。Peguin和Terasvirta（1999）进行了基于泰勒展式的一般性扩展，应用于非线性因果关系检验，并采用提取主成分的方法解决其中的多重共线性问题。但是，提取主成分对解决多重共线性的效果并不太好。Lasso回归是目前处理多重共线性的主要方法之一，相对于其他方法，更容易产生稀疏解，在参数估计的同时实现变量选择，因而可以用来解决检验中的多重共线性问题，以提高检验的效率。对检验程序的模拟结果表明，基于Lasso回归的检验取得较好的效果。     

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.