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。     

多主题抽样调查中改进估计方法的研究

多主题抽样调查在实际统计工作中非常普遍,即一项调查同时涉及两个或多个目标变量(指标),对总体的推算也需要同时对这两个或多个指标进行估计.通常同一调查中的多个目标变量之间会具有相关性,利用这一信息可以提高对所关注调查指标的估计精度.本文利用多重多元线性模型的方法研究这一问题,讨论了最佳线性模型无偏估计和一般回归估计,可以看到借助调查指标之间的相关性,较之常用的单个响应变量的多元线性回归模型方法,得到的最佳线性模型无偏估计和一般回归估计都可以有效地提高对总体总量的估计精度,本文的数值模拟和实例分析也验证了这一结论.     

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.……     

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。     

多重共线性与最大熵罗汶估计模型

多重共线性对多元线性回归方程的估计造成的影响已引起众多学者的关注。许多旨在解决多重共线性的补救方法(例如岭回归和广义最大熵)由于其自身的缺陷使得补救效果大打折扣。Paris在量子电动力学理论的启发下提出了最大熵罗汶估计量,运用蒙特卡洛试验证明:不管多重共线性有多严重,它可靠地估计被估参数的能力要强于一般最小二乘法。     

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.     

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。     

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.     

对我国寿险经济需求模型的改进

文章结合国外有关寿险需求的分析与研究,将影响寿险需求的几个因素作为解释变量,运用多元线性回归的方法进行模型拟合,并针对所得模型中存在的严重的多重共线性问题,运用岭回归方法降低其共线性,建立新模型,尝试性的探讨影响我国寿险经济需求的因素。     

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.     

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...     

对多重共线性问题的探讨

本文指出变量间的内在联系是共线性产生的本质原因,并普遍存在于变量之间;总结分析了共线性的潜在危害、诊断方法和处理手段;共线性的诊断并不是必须的,其严重性也不等于有危害性,但现有处理方法偏离了危害性这个问题本源。本文结合文图研究,指出共线性有意义的区分是有无危害性,并提出GMDH方法能处理有害共线性问题。     

基于特征值的多重共线性处理方法

一、多重共线性及其传统检验方法 对于多元线性回归模型Yj=b1Xlj+b2X2j+…+bkXkj+εj,(变量均已标准化)如果模型的自变量之间存在着较强的线性相关关系,或者说存在一组不全为零的常数a1、a2……,ak,使得:     

线性GMDH参数模型的无偏估计研究

 多元线性回归分析中,参数无偏性是参数估计方法的一个重要指标。本文对线性GMDH参数模型建立多元线性模型进行了研究,得到以下结论：一,在满足经典线性回归模型的假设条件下,其参数估计量具有无偏的性质;二,在满足其它假设条件下,可以在样本量少于待估参数的情况下建模,估计的参数也是无偏的;三,用参数GMHD方法建模时,它对完全多重共线性是免疫的。     

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。     

税收收入模型预测精度的比较

文章建立了四个预测税收收入的有效模型,利用1985～2004年的样本数据进行实证分析。结果表明:半对数模型预测税收收入偏差较大;当把经济因素作为外生变量引入自回归模型时,模型预测精度也较差;如果把政策因素这一外生虚拟变量加入自回归模型,模型预测精度明显提高;而采用主成分分析法消除了多个经济因素之间的复共线性以后,建立的对数线性回归模型预测精度较高,适合用来预测税收收入。     

包含汇率因素的非线性泰勒规则及其在中国的适用性检验

文章运用对数平滑转换回归模型(LSTR)研究了包含汇率因素、多个资产价格因素的非线性泰勒规则及其在中国的适用性检验,实证结论表明:(1)利率规则是关于其滞后一期为转换变量的非线性函数；(2)中国货币政策执行过程中利率平滑程度较高,为0.83；(3)在样本期间,非线性转换函数具有四个较为显著的阶段；(4)无论线性还是非线性的泰勒规则,利率对通货膨胀反应均不足,因此具有内在不稳定性；(5)在先前的泰勒规则实证文献中,对解释变量之间的多重共线性关注极少.结论认为,如果解释变量的波动性较大时,多重共线性问题就应予以必要的关注.     

半偏相关系数的计算公式及其应用

半偏相关系数反映了一个解释变量对复相关系数的唯一的贡献。文章根据半偏相关系数的定义和作用,得到了半偏相关系数与简单相关系数的关系,即半偏相关系数的计算公式;并指出在建立多元线性回归模型时,半偏相关系数可用来剔除引起多重共线性的解释变量。     

基于不同计量经济学软件的逐步回归法

逐步回归法通过变量的筛选来处理多重共线性问题,在实证研究中得到了广泛的应用。本文梳理了逐步回归法的基本思想和操作,结合实例给出了运用计量经济软件EViews和SPSS所进行的逐步回归分析,经过比较得出结论,在处理多重共线性问题时运用SPSS软件比运用E-Views软件的效率要高。