怎样合理利用辅助变量

一、什么是辅助变量 在抽样调查中,把变量按照其作用分为调查变量和辅助变量两种.调查变量指的是要估计的变量,如在农村经济抽样调查中,要估计粮食总产量、农村住房总收入等指标.辅助变量是指为提高调查变量的估计精度,在抽样或估计阶段引入的其他变量,比如,以农村住户作为抽样单位,以住户的粮食播种面积比例为抽取概率,实施PPS抽样,则粮食播种面积就是辅助变量.辅助变量是相对于调查变量而言的,在多目标抽样调查中,如果需要,一个调查变量可以作为另一个调查变量的辅助变量.     

我国劳动力市场失业回滞现象初探

经济模型是经济理论的数学表述.在经济模型中各经济变量之间的关系往往被描述成一一对应的函数形式.一些重要的经济变量之间的关系并不是一一对应的,这些变量的大小既取决于其他变量的影响,又取决于这些变量的运动方向和初始状态.     

基于主成分回归的分布滞后模型及实证

对含滞后变量问题的建模,有效地消除变量间的高度相关是保证模型优良性的一个重要手段.文章利用主成分析把原始变量正交变换并作为新的自变量,消除多重共线性.然后利用逐步回归筛选出对因变量有影响的变量进行回归拟合.最后针对国内生产总值对我国固定资产投资带动作用进行实证分析.     

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.     

控制单个随机解释变量条件下被解释变量平均改变量的估计方法

文章在将两个相关随机变量中的一个适当分解为两个随机变量的基础上,对解释变量完全是随机变量的不完全多重共线问题,给出了用一个原解释变量以及与其不相关随机解释变量线性表示被解释变量的表示方法.进而研究了单独控制一个原解释变量改变一个单位条件下被解释变量的平均改变量(单控改变量),给出了估计单控改变量的方法——剔除相关变量法,证明了估计量的无偏性和一致性,并证明了估计量方差依概率收敛到有效估计量的方差.     

高相关性辅助变量择优回归插补法

调查数据无回答在抽样调查中经常出现.无回答项目插补法是处理无回答的最主要方法之一,而辅助变量对提高插补值准确度非常重要.因此,研究调查数据无回答项目的高相关性辅助变量择优回归插补法,先筛选与目标变量间相关系数高的辅助变量,再建立回归插补模型.该方法的辅助变量选择过程简单,插补值准确性高.模拟例子演示了该方法的优良性.     

二值型响应与连续型响应联合建模的变量选择

由于多重响应变量之间可能存在相关性,文章考虑对二值型响应变量和连续型响应变量进行联合建模.利用probit模型,对二值响应引入了具有正态分布的潜变量,从而对多重响应建立线性回归模型,能得到二值变量和连续变量的联合分布.然后考虑回归系数会存在稀疏性,通过对似然函数加惩罚,从而对二重响应的回归系数和协方差矩阵的逆矩阵进行估计,达到参数估计和变量选择的目标.文中目标函数基于l1惩罚.数值模拟和实证分析展示了所提出方法的良好性质.     

财务困境预测模型变量选择方法的改进

传统的企业财务困境预测模型变量选择方法存在如下不足数学模型的选择与变量选择相关性极大;变量选择与样本选择相关;变量的数目受到限制,未能充分反映企业财务的全部信息;对非线性响应考虑不够.对于具有非线性响应的财务预测模型来说,变量选择极大地影响到所建模型的好坏.使用正交设计和神经网络可以解决非线性响应问题,得到更合理的模型及结果.     

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少.为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量.研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量.数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高.此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量.     

我国经济周期中扩张与收缩模式的对比分析

文章首先使用非参数核密度估计方法.描述我国经济周期性波动的不同阶段中经济变量的不同特征,并计算经济收缩及其前后时期变量相对趋势的变化,发现消费是我国经济周期性波动的主要驱动力量,而固定资产投资是经济增长的主要动力.另外,自1993年以来的经济波动中经济变量的变化体现出与以往不同的特点,进而采用回归分析方法,使用政策变量对主要经济变量进行回归解释,发现财政支出相对趋势变量在收缩期的相对更大的正向经济相对趋势增长效应,货币供给相对趋势变量在收缩期产生反向作用.它可以作为抑制经济"过速增长"的有效工具.     

WTO对双边贸易的影响:基于内生虚拟变量引力模型的检验和估计

文章将内生虚拟变量模型的最大似然估计方法应用于内生WTO虚拟变量贸易引力模型,给出WTO虚拟变量内生性的检验方法.先将WTO虚拟变量在引力模型中潜在的内生性问题转化成一个联立方程模型,进而对联立模型进行估计.将WTO内生模型估计应用于中国东盟区域出口贸易,发现WTO虚拟变量的内生性问题在贸易引力模型的估计中不可忽视:WTO对区域出口贸易具有正的影响.     

关于利用因子分析方法对变量分类的探讨

因子分析是一种将具有错综复杂关系的变量综合成数量较少的几个因子,以再现原始变量与因子之间的相互关系的一种多元统计分析方法.目前学术界对因子分析的应用一般局限于对多元变量群进行降维,从而降低分析问题的复杂性,而至于对变量分类,人们常用的方法是R型聚类分析.但是通过本文的研究却可以发现利用因子分析的方法同样可以达到对变量进行分类的目的,而且利用因子分析对变量分类的方法的理论本质与R型聚类分析是一致的.本文首先介绍了利用因子分析方法对变量分类的基本思想,然后通过实证分析,验证了该方法的可行性和可靠性.     

多变量时间序列的重构与预测方法

多变量时间序列包含有比单变量时间序列更丰富的动态信息,具有一定的信息完备性和确定性,但多变量时间序列同时也会带来一定的冗余信息和部分噪声.为了更好地反映多变量时间序列的动态特性,文章对多变量时间序列进行空间重构,并利用主成分分析法(PCA)对重构后的多变量时间序列进行处理,以减低特征空间维数;最后采用支持向量机建立预测模型.仿真实验表明,该预测模型具有较强的自适应能力和较好的预测效果.     

基于Hsiao程序的最优解释变量的选择

文章首先对Hsiao程序的理论进行了介绍:然后,以人民币行为均衡汇率模型(BEER模型)为例,使用该程序进行解释变量选择.筛选得到的解释变量与国内外大多数学者利用该模型进行研究所选择的经济变量基本一致,这说明使用Hsiao程序选择解释变量是可信的.但是,也存在一些差异,主要因为样本选择的范围不同以及所使用的数据质量本身问题.文章的创新之处在于利用运筹学的最优选择思想,借助Hsiao程序.进行解释变量的选择,这对某些经济变量(缺乏决定因素的先验理论)进行回归分析时,有很大的参考价值,同时,可避免主观臆断.     

变量聚类在多指标系统评价中的应用

本文首先介绍利用变量聚类过程VARCLUS构造的类变量综合得分的方法,然后通过一个具体实例说明类变量综合得分在多指标(变量)系统的排序评估问题中的应用.     

缺失数据下部分线性模型的变量选择

文章结合基函数逼近以及惩罚最小二乘技术,对响应变量随机缺失下的部分线性模型,给出了一个变量选择方法.并结合局部二次逼近,得到了一个迭代算法.数据模拟表明该变量选择方法是可行的.     

经济预警的理论和方法(之十一) 经济周期分析中的先行指标确定方法—一ARIMA时差相关分析法

我们在以前的讨论中曾介绍过,由于各经济变量的性质不同,所以它们的周期形状、特征也不相同,有些变量的周期峰值总是先于其他变量的周期峰值出现,还有的类变量的周期峰值总是滞后于其他变量的周期峰值而出现,第三类变量的周期峰值则居中.具有     

传统数据发掘方法的缺陷

由于关于社会经济方面的数据无法经由实验得到,而只能被动地通过观察、观测获得,所以如何使用这有限的数据来发掘出隐藏在背后的社会经济规律是至关重要的.现在常用的方法是运用统计中的回归分析方法,在多个变量之间回归方程,以试图发现其中的社会经济规律.但是,一般来说,社会经济理论并未明确指定应该包括哪些变量,不包括哪些变量.这就导致建模者面对可能的变量的集合,要从这些“候选”变量中进行筛选,拟合大量的回归方程.这些回归方程随设定的不同而不同,随所用的独立解释变量的不同而不同.建模者要按照一定的准则选择“最优”或“成功”的模型来报告.“最优”或     

策略变量互补性的统计检验方法

在没有特征变量干扰的情况下,策略变量的互补性可以用 PCC 检验法,即相关系数为正的策略变量之间是互补的;当存在特征变量的干扰时,可以用残差 PCC 检验法,但是这种检验方法是否能够完全消除干扰变量的影响,还有待进一步的研究.     

基于主成分与BP神经网络的股票价格预测分析

一、主成分与神经网络的股票价格预测模型 1.输入变量的选择 在应用人工神经网络模型预测股票价格的过程中,并非每个信息都要设置一个输入变量,有效地选取输入变量是决定该神经网络预测准确性的关键因素.