对两定距变量相关系数的理解与应用

测量两定距变量的相关程度,通常采用皮尔逊的积差相关系数,其公式为：y的样本数值,x与y分别为变量x与y的样本平均数值,n为样本数。尽管大家都在应用,但却没有人对皮尔逊积差相关系数进行系统的科学解释,其结果,一方面僵化了人们对相关概念的认识,另一方面也给相关分析在实际应用中带来了局限性。为此,本文试图从不同的角度对两定距变量相关系数进行解释,并在此基础上对其应用做些探讨。一、从协变趋势性上理解相关系数r从变量空间x－y的样本散点图上看,变量的公布呈线带状,即具有协变趋势性。当我们获得了关于变量x与y的样本数…     

浅论回归分析中的常量与变量

众所周知，常量是确定的量，包括常数如１，２等，还包括未知常数，如某随机变量分布的未知参数。变量是变化的量，包括确定性变量，如函数ｙ＝２ｘ中，ｙ随ｘ的变化而变化是确定性的函数关系，ｙ为确定性变量；还包括随机变量，如投一枚骰子，出现的点数是一个随机变量。...     

边际分析方法简介(—)

当前,不少企业在生产过程中,大都以静态分析为主进行预算和决算,这使企业很难依据生产的实际变动来修正原来的决策或计划,从而可能导致失误.而边际分析方法作为一种经济增量分析方法和动态分析方法,可以根据各种经济变量的变化趋势和幅度,来确定它们的最优状态,以补充静态分析的不足.在企业的经济活动中,由于经济现象的多样性和复杂性,存在各种不同的变量.如成本、产量、销售价格、利润、销售额等.这些变量之间是相互联系、相互影响的,其中一个变量发生变化,就会引起另一个变量也发生相应的变化.设Y是因变量,X是自变量,Y与X之间存在函数关系Y=f(x).若f是连续函数,对于x的增量x,y有与之相对应的增量为:     

相关分析、回归分析、因果分析与经济分析方法初探

一、引言 现实经济生活中,两个经济变量之间的关系可分为两类,一类是确定性的函数关系,即某些现象的数量变化完全决定了另一种现象的数量变化,这种关系可写为y=f(x),x∈Rd,d≥1,y∈r;另一类是随机关系,即若干个随机变量之间伴随着某种随机关系,这种关系往往很不确定,没有明确的数量对应关系。 人们从现实生活中搜集数据,运用相关分析的理论和方法对数据进行加工和处理,其目的就是要对各经济变量之间的这种随机关系进行探索,力图     

关于半连续终生寿险的精算比较

文章在死力采用de Moivre假定形式下,分别对确定利率及利用Wiener过程对随机利率建模,分析半连续终身寿险均衡净保费及保险损失风险,给出其表达式;通过对两种情况下的分析结果进行比较得出:在确定利率条件下,均衡净保费与保险人损失风险与常数利息力及极限寿命覣有关。而在利息力假定δ(t)=αt βWt的情况下,均衡净保费与保险人损失风险与极限寿命覣及利息力设定常数α、β有关。     

关于利用外资规模的研究

一、利用外资规模的理论和依据(一)资本相对需求与利用外资规模许多发展中国家的经验表明:利用外资的规模不能无限扩大,应有一定极限。该极限是由其“极限缺口”——资本相对需求与储蓄之差额决定的。     

这样计算简单相关系数合适吗?

简单相关系数根据资料形式的不同,大致可采用以下两种公式计算。在变量x,y都未分组的条件下,相关系数r_i≠sum (x－(?))(y-(?))/Nσ_xσ_y=(σ_(xy)~2)/(σ_xσ_y)(1)式中:x,y分别为两个变量的平均数;σ_X、σ_y分别为两个变量的标准差;σ_(xy)~2为两个变量的协方差;N为x,y的变量值个数。在x,y都已分组的条件下,相关系数     

基于差分及主分量变换的多元线性回归系数估计方法

一、引言在进行多元回归分析时,由于各影响因素具有不同的度量方法与度量尺度,因此在进行回归分析过程中,首先对产生的变量历史数据需要进行"归一化"处理,实现各变量的无量纲化分析,以实现不同变量在变化特征度量上的统一。     

线性代数简介——五、利用伴随矩阵求逆矩阵,克莱姆法则,矩阵的秩

(一)利用伴随矩阵求逆矩阵利用行列式可以判断一个矩阵是否非奇异,如果非奇异,则可利用行列式求其逆矩阵.定理7.3.n阶矩阵A=(a_(?))非奇异的必要充分条件是|A|≠0证 必要性若A非奇异,则有A~(-1)使AA~(－1)=I那么|AA~(－1)|=|I|,即|A||A~(－1)|=1,因此|A|≠0充分性     

MPPS抽样下Hansen-Hurwitz估计量的扩展

一、问题的提出一般来说 ,在抽样调查中 ,我们会尽量利用已知的辅助信息来提高估计的精度。下面考虑一个包含N个单元的有限总体 ,设y表示我们要研究的变量 ,x是一个已知而且是正的辅助变量 ,且它与变量y高度相关 ,yi 和xi 分别表示第i个单元的研究变量值和辅助变量值 (其中i =1,… ,N)。这样在抽样设计阶段 ,我们就可以充分利用辅助变量x。比如说 ,在放回抽样中 ,我们以pi 作为第i个总体单元被抽中的概率 (其中i =1,… ,N) ,而pi 的大小取决于已知的辅助变量值xi,即满足pi >0 ,∑Ni =1pi =1。在这样一种放回的不等概率抽样中 ,如果让每个…     

我国货币流通速度变化的实证分析

货币流通速度是研究货币问题过程中不可忽略的一个重要变量.在传统的货币理论中,货币流通速度一直被作为常数来处理,从现代货币数量论开始,货币流通速度的变动性受到了众多经济学家的关注.     

学习函数时应注意的几个问题

一、正确理解函数的概念在学习函数概念时,容易产生一些错误认识:1.认为“y只有随x的变化而变化,y才叫做x的函数”.函数的定义明确指出,自变量x在某定义域内取某一确定值时,只要因变量y有唯一确定的值与其对应即可,并没有要求当x变化时y必须随之变化.也就是说,对应是本质属性,变化与否是无关紧要的.例如,y=x~0(x≠0),当x取不为零的任何实数时,y都有唯一确定的值和它对应,因此,y是x的函数.     

经济预测中的指数平滑法

指数平滑法是回归分析和时间序列相结合的一种预测方法。华伯泉同志在《统计研究》1986年第2期中介绍了这种方法,但没有解决平滑常数和初始统计量的合理确定问题,也没有提到模型和实际数据是否适合的检验问题;并且以普通回归方程中y的预测区间代替指数平滑法中Z的预测区间,这是不合适的。本文试图解决这些问题,并研究K个观测值总和的预测区间。 -、以时间为独立变量的回归模型 设Z_(n j)表示在时间n j的观测值,考虑如下形式的模型:     

基于生灭过程特征分析的公共服务系统运作决策

城市公共服务系统运行是一个忙闲相间的生灭过程,系统出生率与系统服务能力有关,系统灭亡率与顾客需求量有关,并受到收费和服务水平的影响.对于既定的公共服务系统规模而言,随机性的需求波动是经常出现的,理性而经济的决策是在服务能力、服务水平与服务设施数量之间寻求新的平衡.文章通过公共服务系统运行生灭过程特征的解析,进一步以M|M|1与M|M|n两个典型模型研究了这一系统平衡的动态搜寻过程.     

结构突变趋势平稳过程与随机趋势过程的虚假回归研究

 内容提要：在已有研究的基础上,本文更为深入的研究含有结构突变的趋势平稳变量与随机趋势变量间的虚假回归问题。本文推导出OLS估计下DW统计量、F统计量以及R2的极限分布,并且将回归模型扩展到动态情形下,推导出用于Granger因果检验的F统计量的极限分布;采用Monte Carlo模拟方法分析了数据生成过程的各项参数对各统计量有限样本分布的影响;最后,本文分析了在有限样本下,数据生成过程的各项参数对虚假回归及虚假Granger因果关系发生概率的影响。     

时间序列分析法对我国工业增加值趋势的预测分析与研究

一、问题的提出所谓时间序列,就是观测或记录到的一组按时间顺序排列起来的统计数据,说得更清楚一点,时间序列在形式上表现为变量Y的一连串值(如销售量、国民收入、工业增加值、人口),这些值是不同的时间测得,并根据时间排序,时间序列可表示为如下形式:(y1,y2,…,y)t这些表示某种经济现象的时间序列,在经济管理中,     

股票价格服从分数Brown运动的期权保险精算定价

1973年,Black和Scholes在股票价格服从几何Brown运动且股票预期收益率和波动率为常数的假设下,提出了著名的Black-Scholes公式。而现实中股票的收益率往往是波动变化的,是某些变量的函数。后来众多的学者提出了各种期权的定价模型,     

抽样调查中的比估计和相关估计法

抽样调查的目的是从样本信息估计总体总数或平均数。比估计法和线性回归估计法由于使用了与y有关的辅助变量x而提高了估计这两个指标的可靠性。 为了便于叙述,我们引进下列记号: n=样本容量;N=总体单位数; f=n/N=抽样比率;g=1/f=增加因子; x=辅助变量,例如单位的容量(亩数,居民数等); y=所研究的变量; X,(?)=总体中x的总数,及其估计;     

基于贝叶斯推断的HIV非线性混合效应联合模型研究

 在纵向数据研究中,混合效应模型的随机误差通常采用正态性假设。而诸如病毒载量和CD4细胞数目等病毒性数据通常呈现偏斜性,因此正态性假设可能影响模型结果甚至导致错误的结论。在HIV动力学研究中,病毒响应值往往与协变量相关,且协变量的测量值通常存在误差,为此论文中联立协变量过程建立具有偏正态分布的非线性混合效应联合模型,并用贝叶斯推断方法估计模型的参数。由于协变量能够解释个体内的部分变化,因此协变量过程的模型选择对病毒载量的拟合效果有重要的影响。该文提出了一次移动平均模型作为协变量过程的改进模型,比较后发现当协变量采用移动平均模型时,病毒载量模型的拟合效果更好。该结果对协变量模型的研究具有重要的指导意义。     

平稳的平滑转移自回归过程之间的虚假回归问题研究

文章研究平稳的平滑转移自回归过程之间的虚假回归问题.通过推导最小二乘回归估计量及其对应的t统计量的极限分布,发现:标准的t检验流程中的t统计量并不趋于标准正态分布,其极限分布依赖于模型参数,从而导致了虚假回归的可能.采用蒙特卡洛模拟研究了有限样本下数据生成过程的各项参数对虚假回归的影响,研究表明:虚假回归现象也可能普遍存在于平稳变量之间,为此,在做统计推断时,考虑平稳变量的具体特征是必要的.