前移回归分析法在广西省经济预测中的应用

经济指标是多项相关因素的函数,一个时间段内各项指标(自变量)值会影响下一时间段待预测指标(因变量)的取值.本文以广西省12项主要经济指标为实例,采用前移回归方法预测了人均GDP,进而预测了其余指标2008～2009年的取值.这种方法克服了以往时问序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷,取得较好的效果.     

双回归（AR—R）预测模型之新探——及其在中国人口中短期预测上的应用

构造一种称为双回归的时间序列预测新方法。本文作者利用与因变量自身相关性紧密的因变量前几期取值,综合前一次的自变量构建了双回归(时间序列自回归-多元线性回归)预测组合模型。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。并用这种新方法对中国的人口总量进行预测,预测效果比较理想。     

EXCEL在多元线性回归分析中的应用

在一元线性回归分析中,重点放在了用模型中的一个自变量X来估计因变量Y。实际上,由于客观事物的联系错综复杂,一个因变量的变化往往受到两个或多个自变量的影响。为了全面揭示这种复杂的依存关系,准确地测定它们的数量变动,提高预测和控制的精确度,就要考虑更多的自变量,建立多     

函数型变量倾斜分位回归模型及其应用

本文考虑函数型数据的结构特征,针对两类函数型变量分位回归模型（函数型因变量对标量自变量和函数型因变量对函数型自变量）,基于函数型倾斜分位曲线的定义构建新型函数型倾斜分位回归模型。对于第二类模型,本文分别考虑样条基函数对模型系数展开和函数型主成分基函数对函数型自变量展开,得到倾斜分位回归模型的基本形式。参数估计采用成分梯度Boosting算法最小化加权非对称损失函数,提高计算效率。在理论上证明了倾斜分位回归模型的系数估计量均服从渐近正态分布。模拟和实证研究结果显示,倾斜分位回归模型比已有的逐点分位回归模型具有更好的拟合效果。根据积分均方预测误差准则,本文提出的模型有一致较好的预测能力。     

前移回归新方法的实际运用与改进

前移回归分析方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。近两年应用前移回归分析方法对湖北、云南、福建等省多项经济指标进行的预测,效果令人满意。本文分析了此方法在上述省份应用的效果,进行了新的预测,并提出了改进方向。     

成本预测系统中的自变量约简方法

文章针对成本预测系统中自变量众多且相互关系错综复杂的特点,提出用模糊粗糙集方法对成本预测系统中的自变量进行约简。在模糊粗糙集方法的框架下,给出了模糊等价关系、不可分辨关系和相对约简的定义,构建了基于模糊粗糙集的成本预测系统自变量约简模型。并且针对实际的成本预测系统一般是混合变量数据系统的情形,对广义差别矩阵的定义进行了改进,并以此设计了相应的启发式约简算法。实例分析结果表明,文中所提的方法较之传统的灰色关联系数法、主成分分析法和偏最小二乘回归法,自变量约简效果最佳,所提方法是科学和有效的。     

经济预测中组合预测法的应用──关于单项预测模型的选取问题

组合预测法是指通过建立一个组合预测模型，把多种预测方法所得到的预测结果进行综合，以得到一个较窄的预测值取值范围供系统分析或决策用。由于组合预测模型能够较大限度地利用各种预测样本信息，比单个预测模型考虑问题更系统、更全面，因而能够有效地减少单个预测模型...     

基于正交迭代的有监督的稀疏主成分分析

主成分分析是经典的无监督的数据处理工具,近年来关于稀疏主成分和有监督的主成分研究受到较多关注。基于正交迭代和距离相关系数,提出一种有监督的稀疏主成分分析方法 SSPCA,该方法考虑了自变量与因变量之间的相关性,并在迭代求解的过程中将一些与因变量Y相关性很弱的自变量对应的系数变为0,使所求的特征向量只保留预测能力较强的自变量信息;在数值模拟与实例分析中,相比其他四种方法,SSPCA方法均能取得较好效果。     

考虑模糊缺陷率的新产品生产库存模型及其优化

文章针对新产品生产库存优化时缺乏历史资料的特点,提出了一个考虑模糊缺陷率的新产品生产库存模型.并运用函数原理、梯级平均积分描述法和库恩一塔克定理给出了模型最优解的求解过程.最后进行了数值分析.数值分析表明,只要给出包括缺陷率在内的不确定性问题的模糊数表达式,就可以求出新产品的最优生产批量和最低的生产库存成本.但是,结果的优劣与模糊度的取值密切相关.因此,在采用模糊数对最优生产批量和生产库存成本进行预测时,需要对企业生产库存条件进行认真分析,谨慎估计模糊度的取值,以便获得尽可能准确的预测值.     

基于主成分分析的LS-SVM非线形预测模型应用

天然气消费量的预测对于四川省这样的一个天然气资源大省有着非常重要的意义。影响天然气消费量的因素很多,并且影响机制比较复杂,传统的线形预测模型必然会存在较大误差。文章在考虑影响四川省天然气消费量众多影响因素的基础上,选择出比较有代表性的自变量体系,利用主成分分析方法对自变量体系进行降维及去噪,并将生成的主成分作为四川省天然气消费量预测模型的自变量体系,采用最小二乘支持向量机(LS-SVM)建立非线形预测模型。结果表明,该模型性能明显强于其它预测模型,具有一定的应用价值。     

基于样本企业所得税的回归预测研究

企业所得税预测对宏观、中观和微观经济有着重要的作用。文章以某企业的财务数据为样本,通过选取不同的自变量、应用不同的模型对企业所得税进行预测分析,认为：应用线性回归模型进行企业所得税的预测时,截距项为零的假设是成立的;根据财务数据选取自变量的优先级次分别为利润、增值税、销售收入;在经济发展平稳的条件下,时间序列的预测效果较好。     

pGM(1,1)模型权值p的精确求解及其性质分析

文章分析了灰色GM(1,1)模型的缺陷即白化响应式并不是灰微分方程的真正解,以pGM(1,1)模型白化响应式等于灰微分方程的真正解为条件,并由其背景值构造式推导出了权值p的精确表达式.由于p值不是有限小数,因此其取值精度对预测精度有影响,基于指数序列分析了p值的取值精度对预测结果的影响.     

黑龙江省空气质量数据的分析和预测

本文分别基于ARMA模型,主成分分析模型和神经网络模型对黑龙江省空气质量数据进行了分析和预测。首先,基于ARMA模型,本文对黑龙江省未来的空气状况数据进行预测并检验了其预测精度。其次,采用主成分分析对大气污染物等自变量进行降维,选取了有效的主成分,并对AQI进行一定刻画。最后,借助神经网络的计算机手段,对数据中变量的复杂关系做深入挖掘,以对前面的分析结果进行合理补充。     

基于逐步惩罚的动态多元线性回归预测模型

在采用回归方法进行数据预测时,对呈近似线性关系的因变量和自变量,并非要寻找到其对应的精确的非线性函数,而可在对数据进行修正后继续使用线性回归模型。文章讨论了一种引入惩罚因子的动态回归模型,该方法在传统的多元线性回归模型的基础上,在进行逐步回归的同时,通过不断调整因变量来实现实时更改其变化趋势以达到最佳预测结果的目的。该方法在对上海市历年外国游客人数进行分析和预测时得到了较理想的结果。     

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.     

基于组合模型的宏观经济预警方法

为了更好地捕捉变量间线性与非线性复合特征,以及预警达到稳定收敛,文章构建了组合模型.该模型的预测值既考虑了自变量的滞后项和随机干扰项的线性时序成分,也考虑了非线性时序成分.同时该.模型吸收了人工智能研究成果,具备较强的数据处理能力和学习能力,能够挖掘变量间复杂的非线性关系,避免了单一线性模型对滞后性和随机干扰项硬性的线性约束,然后结合存储系统和二元神经网络,采用加权法迅速找到局部收敛点,确定预警等级.实证研究表明,组合模型具有训练速度快和预测精度高的特点,有较强的适用性.     

上市公司财务危机的预警分析

本文运用条件异方差模型GARCH(1,1)计算上市公司股票的市场风险价值,把它和传统的财务比率变量作为自变量,用Logit模型对上市公司的财务状况进行预测,得到了很好的预测效果,并且对部分上市公司2004年度的财务风险状况进行了预警。     

多源高维数据的多分类纵向整合分析及应用

多分类数据分析在实证研究中具有重要意义。然而,由于高维数、小样本及低信噪比等原因,现有的多分类方法仍面临信息量不足而导致的效果不佳问题。为此,学者们通过收集更多信息源 数据以更全面地刻画实际问题。不同于收集相同自变量的不同源样本,目前较为流行的多源数据收集了相同样本的不同源自变量,它们的独立性和相关性为统计建模带来了新的挑战。本文提出基于典型变量回归的多分类纵向整合分析方法,其中利用惩罚技术实现变量选择,并独特地考虑不同源数据间的关联结构,提出高效的ADMM算法进行模型优化。数值模拟结果表明,该方法在变量选择和分类预测 上均具有优越性。基于我国上证50的多源股票数据,利用该方法对2019年股票日收益率的影响因素进行了实证探究。研究表明,本文提出的多分类整合分析在筛选出具有解释意义变量的同时具有更好的预测效果。     

为什么回归系数的估计值会有“错误”的符号？

当我们应用多元回归分析时 ,有时会遇到这样的问题 :从实际数据算出的某些回归系数的估计值的符号与从问题的专业知识或直观经验所得的结论相反。例如 ,在一具体问题中 ,根据问题的专业知识和经验 ,有足够的理由认为回归自变量Ｘ1的回归系数 β1是正的 ,可是实际算出的 β1的最小二乘估计 ^β1却是负的 ,这时称 ^β1具有“错误”的符号。其实应用回归分析处理实际问题的不少人遇到过这种情况。一般说来 ,下列情况都可能导致某些回归系数的估计具有“错误”符号 :( 1)某些自变量取值范围太窄 ;( 2 )模型中丢弃了若干重要自变量 ;( 3 )设计阵…     

用最小平方法进行统计预测的条件及步骤

最小平方法是统计预测中最常用的方法之一。但人们在运用时,往往不看资料是否符合预测条件,盲目运用最小平方法进行预测,这样预测的结果不准确,误差较大。运用最小平方法进行预测的条件有两个,一是两个变量必须高度或显著相关;二是自变量与因变量在平面直角坐标系上对应的点应近似地成一条直线。下面通过一个例子来说明运用最小平方法进行预测的条件和步骤。要求根据表1资料预测该企业1998年纯碱产量将达到多少万吨。第一步:作散点图。这一步主要是观察资料是否满足用最小平方法进行预测的两个条件:既观察两个变量是否相关;是否近似地成一条直线。根据表1的资料,以时间(序号)为自变量t,产量为因变量y,作散点图。由散