一元线性回归分析中三种检验的等价性研究

在研究两个变量是否线性相关时,要对线性相关系数进行统计检验;在建立线性回归模型时,既要对回归模型中的参数进行统计检验,又要对模型本身进行统计检验。然而,在一元线性回归分析中,尽管对变量线性相关性的检验、模型参数和模型本身检验的目的各不相同,所选统计量也不同,但是,三种检验却具有检验效果的等价性。文章将对此进行研究、证明。     

基于正态模糊数回归分析模型的构建与评价

文章采用模糊最小二乘法,求解自变量为精确数、因变量和回归系数均是正态模糊数的一元线性模糊回归模型,证明所求得的模糊估计量具有的统计性质:线性性与无偏性.给出模糊回归模型的残差、残差平方和及拟合优度公式.将方法应用于一个实际问题,并与经典回归分析进行比较,验证了该参数估计方法的合理性与有效性.     

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.     

单调条件下部分线性回归模型的估计及渐进性质

探讨了部分线性回归模型当非参数分量受到单调条件限制时的估计问题,利用惩罚局部线性核估计方法给出参数分量与非参数分量αRLS、gRLS的估计,并进一步研究了^αRLS及^gRLS的渐进性质,结果表明:新得到的非参数约束条件下的估计是a.s.收敛的,并且保证了单调性和边界点适应性。将问题推广到一般情况,探讨了部分线性回归模型当非参数分量受到高阶导数约束时,参数分量的估计^αRLS。     

固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性.当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现.最后,将估计方法应用于分析碳排放的影响因素.     

不等概率分层抽样条件下Probit模型的参数估计

线性回归分析作为一种传统的统计分析方法,现已得到广泛的应用和完善.但受其对应变量连续性要求的影响,当应变量为分类变量(常见的是二分类变量,即y取0,1两个值)时,线性回归模型不再适用.人们通常采用Probit模型或Lotist模型对二分类因变量进行回归分析,与线性回归不同,Probit回归是一种非线性回归模型,因而在参数估计时,通常采用极大似然估计,并且在随机样本条件下,Probit模型的极大似然估计具有一致性,渐进有效性和渐进正态性.     

基于中位数回归模型非寿险精算中费率因子的显著性判别分析

广义线性模型作为分类费率厘定的重要工具,面临着如何选择损失变量分布的问题,而且对于存在巨额索赔的数据费率因子的显著性判别往往不具有稳健性.文章利用中位数回归模型弥补了广义线性模型的这些不足,结合实际数据对费率因子的各水平进行显著性判别,并与其他常用损失模型的拟合结果进行比较.结果表明,中位数回归模型在费率因子的显著性判别方面更具有客观性和稳健性.     

基于线性模型的大学毕业生就业薪酬影响因素研究

大学毕业生就业薪酬是现实生活中一个重要的经济计量问题,本文以上海某高校毕业生就业薪酬数据为研究对象,随机抽取了1309个数据样本,对解释变量采取虚拟变量的形式,基于线性回归模型,分别用最小二乘方法、岭回归和贝叶斯回归方法对薪酬数据进行了回归,对影响工资收入的性别、民族、是否共产党员、生源所在地、就业所在地、就业单位的性质和所在学院等因素进行了分析,得出了相应的结论.     

神经网络模型与车险索赔频率预测

汽车保险广受社会关注,且在财产保险公司具有举足轻重的地位,因此汽车保险的索赔频率预测模型一直是非寿险精算理论和应用研究的重点之一。目前最为流行的索赔频率预测模型是广义线性模型,其中包括泊松回归、负二项回归和泊松-逆高斯回归等。本文基于一组实际的车险损失数据,对索赔频率的各种广义线性模型与神经网络模型和回归树模型进行了比较,得出了一些新的结论,即神经网络模型的拟合效果优于广义线性模型,在广义线性模型中,泊松回归的拟合效果优于负二项回归和泊松-逆高斯回归。线性回归模型的拟合效果最差,回归树模型的拟合效果略好于线性回归模型。     

国家风险违约概率决定因素的实证检验

文章针对某国有控股银行的国家风险评级结果,通过建立线性回归模型.对评级的决定性因素以及评级的效果进行了实证分析,这对于评价银行的评级是否合理提供了一定的参考意义.     

黑龙江省地方财政收入与GDP增长的相关性分析

分析全省地方财政收入与总量指标GDP的相关性,可从二者是否存在线性关系入手,通过计算相关系数、建立回归方程组进行一元回归分析和线性回归模型的离差分析,并得出相关结论。     

ρ-混合序列加权和的完全收敛性及其在回归模型中的应用

文章利用Rosenthal's最大值不等式,获得了混合序列加权和的完全收敛性:并将此结果应用于线性回归模型参数的最小二乘估计及非参数回归模型的权函数估计.     

有AR(1)随机误差的面板数据模型的半参数估计与检验

文章考虑了一类有AR(1)随机误差的面板数据模型,利用二阶段最大似然估计法给出了模型中参数的最大似然估计,并证明了该估计的强相合性.为了避免模型的错误识别,利用拉格朗日乘子检验法检验了随机误差是否具有一阶自回归AR(1)形式.     

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。     

参数与非参数回归在FDI中的比较分析

文章在对参数回归及非参数回归方法进行介绍的基础上,采用线性回归模型、引入虚拟变量的非线性回归模型以及N-W核权函数回归估计,对1983-2014年我国外商直接投资总额与GDP关系进行探讨.最后分别给出3类方法的拟合值以及MAE和MSE.从拟合效果来看,相对于线性回归模型,引入虚拟变量的非线性回归模型以及非参数回归方法更能有效地拟合FDI与GDP之间的关系,且窗宽为0.25的非参数估计效果更优.     

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.     

企业员工的工作满意度及其影响因素分析

文章以666份对南京企业员工的问卷调查为基础,运用线性回归模型和优势分析方法分析了企业员工的工作满意度问题,揭示了影响其工作满意度的主要因素,并根据研究结果,线性回归模型和优势分析方法进行了比较.     

基于线性模型的大学毕业生就业薪酬影响因素研究

大学毕业生就业薪酬是现实生活中一个重要的经济计量问题，本文以上海某高校毕业生就业薪酬数据为研究对象，随机抽取了1309个数据样本，对解释变量采取虚拟变量的形式，基于线性回归模型，分别用最小二乘方法、岭回归和贝叶斯回归方法对薪酬数据进行了回归．对影响工资收入的性别、民族、是否共产党员、生源所在地、就业所在地、就业单位的性质和所在学院等因素进行了分析，得出了相应的结论。     

分层线性模型中一种新的拟合优度指标探讨

文章从两水平分层线性模型着手,提出了一个由经典线性回归模型度量模型拟合优度衍生的同类指标.除了对模型整体拟合情况进行分析外,还针对模型分层拟合的特点,给出了层二的R2-值准则,并就其合理性利用Mome Carlo模拟实验进行讨论;最后分析了层二拟合优度指标对层一拟合优度指标的影响.     

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”。