线性模型中的测量误差问题与工具变量方法

文章对简单线性回归模型中解释变量的测量误差的含义、后果以及相应的数理过程和统计性质作了较详细的说明和阐释,并就处理这类问题的工具变量方法的作用从理论和应用上进行了细致的分析。     

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。     

基于潜变量模型的多元有序数据轮廓分析法

提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。     

缺失数据下部分线性模型的变量选择

文章结合基函数逼近以及惩罚最小二乘技术,对响应变量随机缺失下的部分线性模型,给出了一个变量选择方法.并结合局部二次逼近,得到了一个迭代算法.数据模拟表明该变量选择方法是可行的.     

基于线性回归变量误差模型的工具变量法与校正似然法的比较

文章介绍了线性回归变量误差模型参数估计的两种方法——工具变量法和校正似然法,然后通过数值模拟的方式对这两种方法的估计结果进行比较,说明这两种方法在不同假定下估计的优劣,最后通过实例计算来进行验证,并得到一些有用的结论.     

基于虚拟变量回归的多元质量控制失控信号的诊断

文章应用虚拟变量回归技术,提出一种用于多元质量控制图失控信号诊断的方法,并用一个简单的例子说明了该方法的使用。最后通过与其它的诊断方法比较说明了本文提出的方法的先进性。     

部分线性可加变量含误差模型的估计

作为可加模型和部分线性模型的推广,部分线性可加模型是一类应用广泛的半参数模型。文章主要讨论了当线性部分的协变量测量含误差时模型的估计问题,我们基于profile全最小二乘法构造了参数分量和模型误差方差的估计,并证明了估计量的渐近正态性。     

基于多元线性回归模型的四川农村居民收入增长分析

文章首先分析了影响我国四川农村居民收入的因素,再运用实证方法对四川农民1992～2007年的经济统计数据进行分析,得到了影响四川农村居民纯收入的多元线性回归模型.该模型验证不仅为预测四川农村居民的收入增长趋势提供了工具,而且为四川农村地区的政策措施提供参考建议.     

回归模型中虚拟变量的设定及应用

在经济计量分析中,利用回归模型方法对经济现象的变化进行描述、模拟和预测是经常使用的方法。在实际工作中,由于研究的特定现象不仅受到诸如产量、销售量、收入、价格、成本等数量变量的影响,而且也常常受到诸如政治、经济、自然条件以及社会文化背景等品质因素变化的影响。经常出现的情况是,这些因素的变化给回归模型的预测精度带来了较大的影响。所以,在建立回归模型时,既要考虑数量变量的变化,也要考虑品质因素的影响。因此,有必要将品质因素的变化加以量化,引入回归模型中。一、什么是虚拟变量虚拟变量是将非数量的品质因素影响加以量…     

处置效应模型估计中的后定变量偏误——以倾向得分与LASSO估计为例

本文分析后定变量对处置效应模型估计的影响。在Rubin因果范式中引入后定变量,证明此时非混淆性假设失效,进而导致多组识别方程失效,倾向得分函数估计出现偏误。识别方程失效、倾向得分估计偏误导致多种基于倾向得分的处置效应估计非一致。进一步扩展到高维处置效应的情形,证明非混淆性假设蕴含条件外生性假设,引入后定变量会导致内生性问题,使得高维LASSO/PostLASSO估计出现偏误。蒙特卡洛模拟实验证实,后定变量将导致倾向得分估计与LASSO/Post-LASSO估计出现偏误。基于理论分析的结论,对Dickson等(2015)的实证案例进行分析。     

影响我国财政收入的多元线性回归模型

本文通过一个实例详细介绍了建立经济计量模型的过程和步骤,旨在引入用多元线性回归分析的方法来分析实际问题的思想.首先由定性分析选取与我国财政收入有较强的相关性的几个影响因素,以其作为解释变量,建立与财政收入的线性模型     

联合广义线性模型中的变量选择

在联合广义线性模型中,散度参数与均值都被赋予了广义线性模型的结构,本文主要考虑在只有分布的一阶矩和二阶矩指定的条件下,联合广义线性模型中均值部分的变量选择问题。本文采用广义拟似然函数,提出了新的模型选择准则(EAIC);该准则是Akaike信息准则的推广。论文通过模拟研究验证了该准则的效果。     

多元线性回归统计预测模型的应用

文章将多元统计分析作为基础与前提,结合相关数据进行了一系列的方法验证,验证了有关结果变动对于多元线性回归方程的整体的影响.通过实例对有关模型概念进行证明;并且通过模型结合其他的方法,让检测结果更加真实,提高准确度以及效率,使原本的回归结果能够得到最大程度上的优化.     

社会科学研究中多层线性模型方法应用的文献分析

文章检索了中国期刊网1999-2009年发表的有关HLM的文章。文献计量分析显示,国内HLM研究发展迅速,文献总量持续增长率33．19％,应用于9大领域,48．86％得到基金支持或项目资助,61．59％的文章使用HLM软件分析数据,但尚未形成核心作者群与核心期刊区;对202篇应用和方法型文献进行内容分析发现,已有文献对数据基本信息报告不全,各研究采用样本量差异大,45．27％的文章检验了零模型,15,42％的文章指明文中采用的中心化策略,28篇使用脉络变量的文章中有15篇检验了rwg（2）指标,50．75％的文章报告了方差解释比例。本研究针对上述内容中的不足提出建议,并展望了HLM的应用发展趋势。     

统计分组与虚拟变量在线性模型中的比较应用

一、统计分组的应用及其在线性模型拟合中的优缺点统计分组是根据事物内在的特点和统计研究的目的,将特定的总体按某种划分标准区分为若干个不同的组成部分的一种统计方法。统计分组的应用相当广泛。对数据按一定的标准分组后,可以发现数据内的潜在的规律性,呈现出不同组别之间的联系与差异,便于找出深藏于表面现象之下的内在本质,比如列联表分析。统计分组也可以应用于模型的建立中。在拟合样本数据进行建立模型时,常常会有一些质的因素(比如职业、性别、战争、季节等等)影响被解释变量,这些质的因素可能会使回归模型中的参数发生变化。在这种情况下,如果对样本数据笼统地用一个模型来拟合就会产生很大的误差。相反,如果将样本数据按引起线性模型的截距或斜率变化的标志分组,再针对每一组分别拟合模型,则可以得到拟合程度更高的模型。     

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断.     

线性混合效应模型的FIC选择准则

线性混合效应模型在许多科学领域都有重要应用,本文主要研究它的变量选择问题,我们推导了FIC变量选择准则,它通过选择能极小化感兴趣目标量之估计的均方误差的模型而提高估计效率。模拟结果表明本文提出的FIC准则与其他常用的模型选择准则相比具有较大的优势。     

基于虚拟变量回归的旅游花费模型构建

消费是旅游者暴露在外的最显著特征之一,旅游花费支出是旅游目的地最有经济意义的一项指标。文章选取西安这一传统旅游城市为研究对象,以十一国内游客为研究样本,基于游客个人社会信息和此次出游相关指标,综合探讨了游客花费开支状况。基于虚拟变量回归构建了西安十一国内旅游花费模型。     

多元线性回归统计预测模型的应用

文章以俄亥俄州(Ohio)的气象、臭氧监测数据为基础,对其中一个监测点数据进行了分析处理;运用多元线性回归方法,建立臭氧含量与气象的回归方程;以F值检验回归关系的显著性,并作预测评价,预测结果的误差较小,符合实际情况,能够较好地解决实际问题。     

单变量Bayes正态动态线性模型及其预测

Bayes预测和动态模型是20世纪70年代发展起来的一套新的时间序列分析方法,其中单变量Bayes正态动态线性模型(UBNDLM)在实际应用中最为常见和重要。在UBNDLM应用中,通常假定观测误差方差是未知常量,其值在建模的开始由估计给出。一般的做法是对具体的问题通过专家经验给出,并没有一个统一有效的办法。文章针对这一情形,给出了观测误差方差值一种简单易用的估计方法。同时也提供了数值试验说明新方法是有效的,这就给该类UBNDLM的应用带来了方便。