经济分析中用主成份法选择最优回归方程

改革开放以来，随着我国经济的繁荣，对于经济活动的分析也逐步趋向定量化，经济计量方法得到了较广泛的运用。在经济计量分析中，多元线性回归模型占有很重要的地位。据统计，在我国用于预测分析的方法中有30％左右是用线性回归模型进行的，在一般的经济分析中，多元线性回归模型使用的比例更高。一、问题的提出设X1，X2…，Xn是依据实际问题搜集到的预报变量（指标或者称为自变量），Y是响应变量（因变量）。为了建立一个用于经济分析的多元线性回归模型，我们希望模型中包含尽量多的X变量，以得到可靠的拟合值。但是，如果方程中包含了…     

本期导读

在建立信用评分模型时，备选的自变量过多是一个非常突出的问题。尽管已经有比较成熟的变量选择方法，但是使用这些方法做变量选择时仍有很多的自变量无法取舍，并且这些自变量之间往往存在着多重共线性。《基于偏最小二乘方法的信用评分模型》一文，     

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...     

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:     

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.     

内生性随机前沿模型估计方法研究：无需工具变量的Copula方法

内生性是常见的计量问题，忽略内生性会导致估计量有偏且不一致。现有部分文献研究了内生性随机前沿模型的估计，但实现的前提是能够为内生性自变量寻找到合适的工具变量，而实际情况下合适的工具变量通常不容易获取。本文研究了在难以找到合适的工具变量的情况下内生性随机前沿模型的估计问题：结合Copula方法和极大模拟似然方法估计参数。此外，本文还构造了技术无效率的新的点估计，该点估计额外利用了内生自变量的信息，通常比JLMS法对应的点估计更有效。数值模拟表明，相比于已有研究，本文提出的方法估计精度更高。     

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.     

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.     

利用辅助信息提高事后分层估计量的精度

本文考虑了事后分层回归模型,在回归模型中逐步引入定性辅助信息、包含概率和定量辅助信息,建立辅助变量与研究变量的回归模型,从而使得事后分层回归模型下的事后分层估计量精度逐步提高。     

多项式分布滞后模型阶数的确定及其应用

在时间序列模型中,从经济决策到政策变量变化所造成的影响,可能经过了若干不同的时段,其所建立的模型中包含了滞后的变量,这就是分布滞后模型的基础.     

顾客满意指数模型的最佳迭代初值问题

美国Claes Fornel、Michael D.Johnson等教授建立了顾客满意指数模型,运用路径分析的偏最小二乘方法求解.右图是一个在中国企业界广泛使用的具体模型,它含有6个结构(隐含)变量(()、η1～η6),11个关系(自变量作用的关系为γ1～γ4,虚线表示;因变量作用的关系为βii实线表示),24个观测变量(由顾客回答的问题).     

上市公司财务困境预测研究

文章以中国上市公司为研究对象,尝试引入公司治理变量,分别以财务指标和公司治理指标作为解释变量建立模型,运用Logistic回归方法进行财务困境预测,并比较其预测结果.研究发现,公司治理与财务困境显著相关,并且包含公司治理变量的模型明显比仅包含财务变量的模型优越.     

主成分分析与因子分析的异同比较及应用

在经济实证问题研究中，对某一现象通常会考虑其众多的影响因素，因为人们希望尽可能多地收集关于分析对象的数据信息，进而能够对它有比较全面、完整的把握和认识，于是对某个分析对象的描述就会有许多的变量(或指标)。这些经济变量在大多数情况下不是独立     

对2005年GDP季度数据的预测--基于包含趋势和季节成分的ARMA模型的分析

一、包含趋势和季节成分的ARMA模型 在经济领域里,根据一个经济变量的时间序列数据来建立经济计量模型并以此模型对该变量的未来趋势进行预测已经得到了广泛的应用,其中比较成熟的建模技术有:趋势建模、季节性建模、周期建模(ARMA模型)以及它们的混合建模.     

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.     

互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。     

模糊线性回归模型的最小二乘方法

针对自变量和因变量皆模糊的数据系统中的回归分析问题,为避免自变量退化成数值变量时可能引致的估计误差增大而带来的问题,提出系统中引入模糊调整项的回归模型的一般结构,并运用基于模糊数间完备距离的最小二乘法研究模型解析表达式;利用水平截集概念将模糊多元回归模型转化成两个传统回归模型,根据模糊数间距离采用最小二乘法得到参数估计,给出员工工作绩效评估的算例说明方法的有效性,并结合Bootstrap方法的应用,研究回归参数所具有的随机不确定性动态变化。     

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.     

边际

在现代汉语中，边际就是指边缘、界限的意思。在经济学中，边际有额外的、追加的意思，指处于边缘之时，再增加一个单位所发生的变化，属于导数和微分的概念，由于披上了数学的面纱并被冠以经济学的术语，因此，许多人对边际一词觉得不好理解：在经济学分析中，人们经常把所研究的各种变量分为两种：自变量和因自变量变动而变动的因变量。而边际的含义就是因变量关于自变量的变化率，说得通俗点，就是指自变量变化一个单位时，因变量的变化情况。边际分析就是分析自变量变动与因变量变动的关系的一种方法。边际分析法广泛运用于经济行为和经济变量的分析过程之中，如效用、成本、收益、消费等分析多有边际的概念，人们所熟知的边际效用递减规律，就通常用吃馒头来形象地加以说明：把吃馒头作为自变量，     

一个动态的汇率模型

汇率预测是众所周知的国际经济中的一大难点,许多经济学家曾努力从不同的角度去揭示汇率的规律并建立预测模型,但是从公开发表的资料看来,这些模型都未曾给出比随机游动模型（或鞅模型）更稳健的结果。本文对以往的模型进行了大量的比较分析发现,以前的模型都具有以下几个共同的特点：（１）以前的汇率模型都具有静态性,即模型中的各自变量只能影响同一时刻的因变量。其实,经济变量的相互作用往往具有滞后性,各自变量影响的往往不是同一时刻的因变量,而是随后时间的因变量。（２）以前的汇率模型大多数是两国模型,考虑的数据往往是…