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.     

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.     

模糊线性回归模型的最小二乘方法

针对自变量和因变量皆模糊的数据系统中的回归分析问题,为避免自变量退化成数值变量时可能引致的估计误差增大而带来的问题,提出系统中引入模糊调整项的回归模型的一般结构,并运用基于模糊数间完备距离的最小二乘法研究模型解析表达式;利用水平截集概念将模糊多元回归模型转化成两个传统回归模型,根据模糊数间距离采用最小二乘法得到参数估计,给出员工工作绩效评估的算例说明方法的有效性,并结合Bootstrap方法的应用,研究回归参数所具有的随机不确定性动态变化。     

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…     

分位数回归技术综述

普通最小二乘回归建立了在自变量X=x下因变量Y的条件均值与X的关系的线性模型。而分位数回归（Quantile Regression）则利用自变量X和因变量y的条件分位数进行建模。与普通的均值回归相比，它能充分反映自变量X对于因变量y的分布的位置、刻度和形状的影响，有着十分广泛的应用，尤其是对于一些非常关注尾部特征的情况。文章介绍了分位数回归的概念以及分位数回归的估计、检验和拟合优度，回顾了分位数回归的发展过程以及其在一些经济研究领域中的应用，最后做了总结。     

线性回归模型与对数线性回归模型的优选——几种简便的检验方法的运用

回归分析是进行统计预测、描述,评价经济变量间关系及进行政策模拟的一种重要方法。在进行回归分析时,一个重要的问题是模型的优选。一方面是在模型形式一定的情况下选择自变量(即在所有可能自变量中选择出最佳的自变量组合),另一方面是模型形式的选择。 在回归分析中,最简单的模型是线性回归模型:     

经济计量模型中不相关单位根变量间伪回归的纠正方法

文章旨在考察经济计量模型中不相关单位根变量间伪回归现象形成的内在成因,为这类伪回归的纠正提供方法依据.借助三个定理的证明,分析了不相关单位根变量间伪回归形成的过程.研究表明,在回归模型中包括自变量和应变量的一阶滞后变量可纠正伪回归的问题.     

三种常见相关关系统计分析法的比较

相关分析、回归分析和等级相关分析是三种在实践中常见的分析统计相依关系的方法。在这些方法的应用中,常有人忽视它们的适用条件,造成对某些经济现象作出不全面甚至错误的解释。为了正确应用这些方法,本文对它们在分析统计相依关系时应注意的问题进行初步探讨。     

灰色关联分析：多因素统计分析新方法

灰色关联分析：多因素统计分析新方法谭学瑞,邓聚龙一、引言以往的研究中,多因素统计分析常采用相关与回归的方法。在进行多元回归时,要求样本足够大,且须呈典型分布,其计算量大、过程复杂繁琐。实际中,超过两个自变量的回归分析已不便手算,虽可借助计算机,但由于...     

回归预测中应注意的几个问题

目前,回归预测方法正在被越来越多地应用于经济预溅.可是,不少人在运用这一方法解决问题时,使用了一些不恰当的处理方法,从而影响了预测的精度和可信度.因此,在运用回归预测法时,除了要注意所用的统计资料必须准确可靠、选用的模型应恰当合理外,还要注意以下几个问题.     

自变量可重复观测的线性回归模型研究

文章研究了自变量可作重复观测的线性回归模型.对固定自变量X采用重复观测,得到应变量Y的多个观测值,并利用其均值与X构成数对,建立起自变量重复观测的线性回归模型.讨论了这种模型在一元时的情形,实例分析结果表明,该线性回归模型的参数估计值的方差更小,较之传统回归模型更为有效.     

多元非线性经济预测模型的建立方法

在经济预测中,常用多元回归模型反映预报量与各因素之间的依赖关系,其中线性回归分析有着广泛的应用.但客观事物之间并不一定呈线性关系,这时建立的线性回归模型往往拟合效果不好或有不合理的经济解释.建立非线性回归模型可能更为合适,只是建立起来较为困难.本文给出建立多元非线性回归预测模型的两种方法.     

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。     

使用SPSS进行回归分析应注意的一个问题

在使用SPSS进行回归分析时,如果自变量个数较多,为解决由自变量之间的相关性导致的多重共线性,可以选择逐步回归法,即在回归分析窗口Linear Regression的Method一栏中选择stepwise(本文是以SPSS11.0为例)。但值得注意的是,此时系统给出的最终结果是一个满足统计学检验的结果,它     

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型.但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunction models).与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构.在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考.     

逐步回归分析法及其应用

逐步回归分析是多元回归分析中的一种方法,在经济研究建模中发挥着重要的作用.文章系统介绍了逐步回归分析,并分析了逐步回归分析在经济研究(建模与预测)中的应用步骤与需要注意的问题.分别应用向前引入法、向后剔除法、逐步回归法分别对中国农村居民收入影响因素模型进行实证分析.     

岭回归分析在解决多重共线性问题中的独特作用

多重共线性指的是多元回归模型的自变量间存在近似的线性关系,它的存在使得估计的精确性大幅降低,估计值稳定性变差,甚至在回归方程整体高度显著时,一些回归系数通不过显著性检验,正负号倒置,使得无法从回归方程得到合理的经济解释,降低回归方程的应用价值.然而,现实问题中又很难在众多因素中找到一组互不相关又对因变量有显著影响的变量,也就不可避免地会出现程度不同的共线性问题.     

通径分析及其应用

一、通径分析与相关系数通径分析是简单相关分析的继续,在多元回归的基础上将相关系数加以分解,通过直接通径、间接通径及总通径系数分别表示某一变量对因变量的直接作用效果、通过其他变量对因变量的间接作用效果和综合作用效果。对于一般的多元线性回归分析,设有自变量X1,X2,     

中国工业化城镇化联动和互动的研究

文章采用多元回归或滞后分布回归分析的方法,分别构建了中国工业化与城镇化共同决定人均GDP、经济增长、经济结构和就业结构的经济计量模型.以及工业化和城镇化互动的经济计量模型.有效地揭示了在现代化过程中,工业化与城镇化联动和互动的数量关系和规律.     

基于模糊回归模型的洪水灾害分级评估方法研究

高效、准确评估自然灾害事件的级别,是应急管理中有效控制灾害和制定减灾防灾对策的重要保证。针对洪水灾害等级评估中存在的模糊不确定特征,提出基于模糊多元回归模型的洪水灾害分级评估方法。首先,提出一种基于可能性均值-标准差距离的模糊多元回归模型的参数估计方法;然后,将洪水灾害等级和影响因素看成是模糊因变量和自变量,通过求解模糊回归方法得到模糊回归影响系数,这样能够较好地解决分级过程中存在的模糊性问题;最后,以45个洪水灾害事件为例,实例结果表明,模糊回归模型应用于自然灾害事件分级是可行且有效的,能够较好地解决灾害事件等级评估中的模糊性。