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。     

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.     

多重共线性的消除：不相关法

如何采用相应的办法来消除经济计量模型中的多重共线性,一直是经济计量研究中人们关注的焦点问题之一。对此,本文提出了一种新的多重共线性消除的方法——不相关法,并就该方法的基本思想、计算步骤和实际应用进行了讨论,这对于不断完善多重共线性的消除方法体系有着一定的意义。     

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.……     

一类新的多重共线性检验方法

解释变量间的相关性导致了多元线性回归模型的多重共线性问题,由于考察相关性的角度和方法不同,产生了不同的多重共线性的检验方法。由阿达马不等式可以构建多个变量的综合相关性度量指标,将该指标用于度量多元线性回归模型的解释变量的综合相关程度,用以作为多元线性回归模型多重共线性的一类检验方法。     

经济模型中多重共线性引发变量的判定

一、多重共线性现象多元回归模型是进行经济预测与分析的一种常见有效的方法。但是,在实际工作中,常常只注意研究解释变量与被解释变量之间的经济联系,忽视了解释变量之间的相关性。事实上,经济变量之间关系错综复杂,一个变量的变动常常受几个变量的制约,解释变量之...     

湖北省蔬菜产业发展对农村居民可支配收入影响研究

文章选取湖北省蔬菜面积、蔬菜产量、蔬菜出口量、蔬菜出口额、蔬菜加工产值等5个因子来与农村居民可支配收入建立评价模型,采用多元回归分析的方法对湖北省2002-2013年农村居民可支配收入的影响因素进行了回归分析,运用多重共线性检验、修正多重共线性、异方差性检验等多种方法对模型进行了检验和修正,模型预测结果表明实际值与预测值基本一致.因此,湖北省蔬菜产业农村居民可支配收入与蔬菜出口量、蔬菜加工产值存在显著性相关关系.     

基于聚类分析和因子分析消除多重共线性的方法

文章针对经典多元线性回归模型中存在的多重共线性问题,提出了一种新的基于聚类分析和因子分析的解决方法,并通过例子验证了此方法在实际应用中可以取得良好的效果。     

岭回归在资本结构影响因素回归建模中的应用

自多重共线性是资本结构影响因素线性回归模型中迫切需要解决的问题,本文运用岭回归方法,以医药制造类上市公司的统计资料为基础,对影响资本结构的主要因素进行了实证分析,有效地解决了回归模型中的多重共线性问题.     

基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

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。     

利用EViews软件检验和处理模型的多重共线性

异方差性、自相关性、多重共线性是计量经济检验的三项主要内容,对于模型中的异方差性和自相关性问题,可以利用EViews软件很方便的进行检验和处理;但是对多重共线性问题,在EViews5.x版本之前却一直无法有效地予以处理。文章介绍了如何直接利用EViews软件检验和处理模型的多重共线性问题。     

利用主成分回归法处理多重共线性的若干问题

在经济计量实践中,多重共线性是存在于线性经济计量模型中的一个普遍而需特别重视的问题.对于其解决方法,很多学者都进行了探讨.目前一些文献中颇有争议的是:利用主成分回归法处理多因素分析中多重共线性问题.     

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，     

多重共线性下的线性回归方法综述

多重共线性（简称共线性）是回归分析中一个非常棘手的问题。多重共线性由R．Frisch在1934年引入的，主要研究是在上世纪六、七十年代进行的，但直到现在仍然没有完全解决。     

GMDH与PLS解决多重共线性问题的比较研究

本文通过理论分析、数据试验以及实证研究三种途径,对GMDH与PLS两种算法解决多重共线性问题的特点进行了比较分析,发现了使用GMDH对于解决多重共线性数据建模问题的贡献,为解决多重共线性问题提供了新的途径。     

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.     

基于主成分分析的汽车特征价格模型初探

特征价格模型建立过程中，特征变量的选取是一个重要问题。实证研究中，为消除特征变量问的多重共线性，研究者通常采用逐步回归分析法来筛选变量，这样进入模型的特征变量往往比较少。因此。本文将主成分分析法引入于特征价格模型。利用我国汽车数据，建立了基于汽车特征因素主成分分析的特征价格模型，不仅解决了汽车特征变量间存在的多重共线性问题，而且有效改善了用逐步回归分析法筛选变量选取较少变量的情形。     

中国经济增长的整体预测——基于月度扩散指数的实证

利用39个宏观经济指标构建中国月度扩散指数,分析了各扩散指数的特征,并利用动态因素模型预测中国2009年4季度至2010年3季度的GDP增长率,取得了较好的预测效果。实证结果表明,基于扩散指数的动态因素模型,具有提高模型自由度、降低多重共线性、综合大量信息、保证预测精确性等优势,对于宏观经济预测分析和决策具有一定的作用。     

半参数方法在Hedonic方程中的应用

在hedonic价格模型的应用中,传统的参数方法对于变量函数形式、多重共线性及不详尽性问题上有其局限性,而半参数方法则能较好地解决如曲线的复杂曲率等一些参数方法不能很好解决的问题.本文使用传统的参数方法及半参数方法对hedonic价格模型进行预测,并引用"亿房网"中的数据进行实证分析,同时对两种方法进行了比较,得出了可供实际应用的统计模型及应用方法,对研究其它类型的定价问题也具有一定意义.