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。     

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。     

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.     

局部线性估计中的多重共线性问题

各解释变量之间存在多重共线性是现实中很普遍的现象。本文对局部线性估计多重共线性问题进行了讨论,发现多重共线性造成局部线性估计精度下降的原因,并提出了一个补救方法:当变量之间高度相关时采用主成分回归可以有效提高估计精度。本文还通过模拟的方式证明了此方法的有效性。     

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.     

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。     

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。     

回归分析中强影响点的诊断方法与稳健回归

回归分析是计量经济学中最常用的定量分析方法，也是建立经济计量模型的主要工具，但在实际应用中，人们发现通过经典最小二乘法建立的回归模型，并不总令人满意，会出现诸如多重共线性、误差项异方差、自相关性等各种各样的问题，影响着模型的应用。于是，统计学家提出了对建立的模型进行回归诊断的问题，一方面，考察模型的假设条件满足的状况：另一方面，诊断样本数据对统计推断影响的大小，数据中是否存在影响模型稳定性的强影响点，以及处理解决的办法，这部分理论称为“回归诊断”。     

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.     

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.     

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。     

一种消除变量间相关性的模型聚类方法

欧氏距离条件下的聚类分析没有考虑指标间的相关性,基于模型的聚类方法存在多重共线性影响参数稳定性等问题,针对上述问题,文章在欧式距离条件下对变量间具有相关性的数据样本进行聚类分析时,先构建变量间相关性结构的回归相关模型,再通过差分分析对变量间的多重共线进行消除,然后做聚类分析.并以1996-2011年9个省份城市教育投入情况进行聚类分析,结果表明,给出的聚类方法是有效的.     

有偏回归分析方法及其在经济管理中的应用

一、引言 随着计算机的普及应用,多元回归分析在经济和管理实践中得到了广泛应用.由于使用多元回归分析时的重要条件之一就是要求各自变量之间不相关或称无多重共线性关系,如果不注意这些使用条件,在运用多元回归分析时,就可能得出错误的结果.尤其在经济问题分析领域内,具有密切关系的变量很多,更应引起人们的注意.岭回归和主成分回归等有偏回归分析方法是处理自变量间多重共线性的两种有效方法,本文结合经济实例来探讨它们的应用情况.     

集体林权制度改革对农户环境满意度的Logistic回归分析

进行集体林权制度改革对环境影响问卷调查,并对调查问卷数据进行了描述性统计分析、Logistic回归分析以及共线性诊断和处理,运用线性拟合回归模型方法进行共线性诊断,并采用岭回归的方法对共线性问题进行了处理,试图从农户的角度研究林改对环境的影响,并分析问卷中所列出的六种环境变化与农户对林改满意度的关系。研究表明,林改前后水土保持、空气净化和森林面积的变化对农户环境满意度有较为显著的影响。     

结构方程在确定现金流风险指示权重问题中的应用

我们知道,企业的现金流风险是一个模糊的概念,现金流风险度量模型中测量误差的发生,会导致常规回归模型参数估计产生偏差,并且现金流风险受众多因素的影响,这些因素之间可能存在多重共线性,把这些因素不加剔除全部纳入模糊综合评判模型,可能导致模型的失效.虽然传统的路径分析允许对潜变量设立标识,并可处理测量误差,但不能分析潜变量之间的关系,而结构方程方法的特点在于,它既能在分析中处理测量误差,又可分析潜变量之间的结构关系,并且,结构方程模型能根据模型和数据之间的拟合程度,来决定如何删除、增加或修改模型的变量和参数,对模型进行修正,最后得到的模型中只保留了对因变量有显著影响的自变量.因此,我们拟采用结构方程模型来解决权重的确定问题,并进行实证研究以证明此方法的适用性.     

通径分析法——多重共线性的一种分析方法

通径分析法———多重共线性的一种分析方法农业部乡企学院张宏回归模型方法作为一种因果型的统计预测方法，在现实生产和生活中扮演了预测主流方法的角色，因其扎实且有说服力的数理基础使其应用范围越来越广。但在实际操作时却常常会遇到多重共线性破坏模型准确程度的问...     

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。     

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.     

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。