一元线性回归系数联合置信区域的计算

（一）考虑线性回归模型ｙｉ＝β０＋β１Ｘｉ＋ｅｉ（ｉ＝１，２，…，ｎ），其中随机扰动项ｅ１、ｅ２、…ｅｎ为独立同Ｎ（０，σ２）分布的随机变量（σ２＞０），记Ｘ－＝１ｎ∑ｎｉ＝１Ｘｉ，Ｙ－＝１ｎ∑ｎｉ＝１Ｙｉ，由最小二乘法可知，其回归直线方程为ｙ＾＝β＾０＋β＾１ｘ，其中β＾１＝ｌｘｙｌｘｘ＝∑ｎｉ＝１（ｘｉ－ｘ珋）（ｙｉ－ｙ珋）∑ｎｉ＝１（ｘｉ－ｘ珋）２β＾０＝ｙ珋－β＾１ｘ珋在上述条件下，有以下定理成立：定理：设线性回归模型为ｙｉ＝β０＋β１Ｘｉ＋ｅｉ，模型中各变量满足上述条件，则在置信水平１…     

最小一乘法在建立预测模型中的应用

最小一乘法在建立预测模型中的应用□文／安徽财贸学院杨桂元一、引言在社会经济现象中，某个经济变量（预测变量）ｙ受其他一些因素ｘ１，ｘ２，…ｘｍ的影响，ｙ与ｘ１，ｘ２，…，ｘｍ之间存在着线性相关关系。即ｙ＝ａ＋ｂ１ｘ１＋ｂ２ｘ２＋…＋ｂｍｘｍ＋ε（１）…...     

浙江省产业结构投入产出特征分析

浙江省产业结构投入产出特征分析张奕,赵伟祥一、投入产出关系先讨论ｎ个部门组成的国民经济投入产出关系,设Ａ为直接消耗系数矩阵,Ｙ为最终产品向量,Ｘ为社会总产品向量,令ｙ＝（ｙ１,ｙ２,…ｙｎ）’,Ｘ＝（Ｘ１,Ｘ２,…Ｘｎ）’分别为Ｙ和Ｘ对应的结构向量,...     

折扣系数法在建立回归预测模型中的应用

一、折扣最小二乘法 在时间序列预测中，预测变量ｙ的变化主要依赖时间变量ｔ，它们之间具有相关关系 ｙ＝ｆ（ｔ）＋（此处，ｆ（ｔ）一般为ｔ的线性函数或可线性化的函数）。在确定它们之间的回归方程时，一般用最小二乘法。即对于给定的观测值（ｙＴ，ｔ）（ｔ＝１，２，…，ｎ），ｙｔ与ｔ之间满足关系式ｙｔ＝ｆ（ｔ）＋ｔ，需要确定ｆ（ｔ）中的参数，使Ｑ＝取到最小值。这里Ｑ＝对所有的观测点是同等对待的，为了体现近期观测值对未来预测值的影响大，远期观测值对未来预测值的影响小的特点，将不同观测值的误差平方给予不同的权重。…     

论多元函数全增量的统计分析

论多元函数全增量的统计分析杨启梓一、多元函数全增量统计分析的基本方法设Ｓ为一总指标,其值取决于ｎ个因素指标Ｘ１,Ｘ２,…,Ｘｎ,或者从数学上说,已知Ｓ是以ｘ１,ｘ２,…,ｘｎ为自变量的多元函数Ｓ＝ｆ（Ｘ１,Ｘ２,…,Ｘｎ）＝ｆ（Ｍ）当诸自变量由原值点...     

折扣最小一乘法在建立回归预测模型中的应用

一、最小一乘法与折扣最小一乘法众所周知 ,误差平方和最小 (通常称为最小二乘法 )是最常用的最优拟合准则之一 ,它的理论相当完善 ,十分广泛地应用于建立各种预测模型 ,通常可获得满意的效果。但它也存在一些局限性 ,如果当数据中夹杂有异常数据时 ,由此得到的预测模型“失真”较大。鉴于最小二乘法的这些不足 ,人们引入了“稳健性”概念加以刻划 ,而“误差绝对值和最小”准则 (或称为最小一乘法 )能克服上述缺点 ,其稳健性比最小二乘法要强得多 ,具有不可替代的优越性。如在时间序列预测中 ,预测变量 ｙ的变化主要依赖时间变量ｔ ,对于给…     

时间序列的多项式模型及其应用

对时间序列作预测一般采用移动平均法 ,指数平滑法。本文利用拉格朗日插值公式及最小二乘法给出时间序列的多项式模型。一、拉格朗日插值公式及多项式模型传统的拉格朗日插值公式指的是 :如果 ｙｉ=ｆ(ｘｉ) ,ｉ=0 ,1,2 ,… ,ｎ ,则存在唯一的ｎ次多项式Ｐｎ(ｘ )满足Ｐｎ(ｘｉ) =ｙｉ　 (ｉ=0 ,1,2 ,… ,ｎ) ,并且 :Ｐｎ (ｘｉ ) =Σｎｉ=0 ｙｉｌｉ(ｘ) ,其中ｌｉ(ｘ)= (ｘ -ｘ0 )… (ｘ -ｘｉ-1 ) (ｘ -ｘｉ 1 )… (ｘ -ｘｎ)(ｘｉ-ｘ0 )… (ｘｉ-ｘｉ-1 ) (ｘｉ-ｘｉ 1 )… (ｘｉ-ｘｎ)因此 ,对于时间序列 {ｘｉ,Ｔｉ},ｉ =1,2 ,… ,…     

简捷式与标准式回归系数的数量关系

简捷式与标准式回归系数的数量关系□文／唐建荣（一）最小二乘法或称最小平方法，是理论界倍受推崇的统计估计方法。一般认为，由最小二乘法拟合的曲线是最理想的趋势线。该趋势线满足以下二条件：（１）原数列与趋势线的离差平方和最小，即：∑（Ｙｔ－Ｙｔ）２＝ｍｉｎ...     

基于PLS-GA-SVR的区域经济预测模型及实证

文章提出了一种将偏最小二乘法（PLS）、遗传算法（GA）和支持向量回归（SVR）相结合的预测算法。首先,为了解决多元回归中存在的多重共线性问题,采用偏最小二乘法选取回归变量的主成分;然后,利用支持向量回归预测模型对数据进行训练,利用遗传算法获得更好的预测模型参数,以解决传统支持向量机预测模型中的参数选取困难的问题;最后,利用优化的预测模型对区域经济发展进行预测。结果表明,该算法在预测精度上优于其他预测模型,能够准确预测未来区域经济发展趋势。     

对自变量为随机变量的回归模型估计方法的探讨

一、引言普通最小二乘法已被广泛地应用在回归分析之中,它具有简明实用的特点。可以证明,在标准的假定下,该方法具有最优线性无偏估计的理想特性。但是,在实际应用中,该方法常存在一些问题。以下用一例子予以说明。例１：样本观测值与散点图如下所示：Ｘ１２３４５６７Ｙ２１３４５６７图１　　对以上样本观测值采用普通最小二乘估计,可估计出回归方程Ｙｉ＝（２７／２８）Ｘｉ＋１／７（１）然而对图１直接分析,不难看出以下两点：（１）式（１）所表示的直线与样本的分布趋势相违背。除第一个和第二个样本点外,其他样本点完全落在…     

正多边形外接园上任意点的两个重要性质

引理１ 平面上正多边形Ａ１Ａ２…Ａｎ的中心是Ｏ,则证明 如图以 , 为邻边作平行四 边形 ＯＡ１Ａ２Ａ３（菱形）,则ＱＡ１＋ 同理可得： 引理２ 平面上正多边形Ａ１Ａ２…Ａｎ的中心是Ｏ,Ａ（ｉ＝１,２,…,１）,依次为边Ａ１Ａ２,Ａ２Ａ３,…,ＡｎＡ１的中点 性质１ 正多边形外接园上任意点到各顶点距离平方之和是一个常量。证明：如图Ｐ是正多边形Ａ１Ａ２…Ａｎ外接 园上任意点即 （上面用了引理１：性质２ 正多边形外接园上任意点到各边中点距离平方之和是一个常量。证明：如图Ｐ是正多边形外接园上任意点 Ａ （ｉ＝１．２,…     

关于统计学教学中"最小二乘法"的讲授

文章着重从动态数列分析、回归分析的有关模型参数估计以及相关分析中相关系数公式的推导中阐明“最小二乘法”的应用和讲授 ,并强调“最小二乘法”本身并不是一种模型预测方法 ,而是一种模型参数估计方法 ,并在推导皮尔逊的乘积动差法相关系数中得到应用     

具有线性趋势的残差自回归模型的估计方法

为了探寻具有线性趋势的残差自回归模型的较为合适的估计方法,文章以残差AR(2)模型为例,对直接最小二乘法、两步法、非线性最小二乘法和化归法进行了Monte Carlo模拟,拟合和预测结果显示非线性最小二乘法和化归法的均方误差和平均绝对误差相同且最小.此外,还利用1980-2013年河南省人均GDP经济数据进行了拟合与预测实证分析,得到了与模拟比较相类似的结果,这说明非线性最小二乘法和化归法是较优的估计方法.进一步地,基于非线性最小二乘法,给出了河南省人均GDP的短期预测.     

回归分析中异常值的一种修正方法

普通最小二乘法是估计回归方程式的参数的一种常用的方法，它是根据在一组假定前提条件下，要求实际观测值（Y）到回归方程的估计值（Y）的离差平方和达到最小值．即上（Y—Y）’一最小值。但是在实际工作中，利用最小二乘法研究经济变量之间的关系时，当调查取得的资料中出现异常值时，如果不采用合适的方法加以修正，估计出来的结果就可能出现很大的扭曲。有些人采用舍掉异常值的办法，这样作也可能使回归方程和观测值拟合得好一些，但由于合掉了异常值，使资料的个数明显减少了，因而在进行有关统计检验时，会因自由度变化而使参数的估…     

动态广义最小二乘法在面板协整中的应用研究

在进行非平稳面板数据的协整分析时,使用动态最小二乘法（DOLS）可以有效消除内生性问题,从而得到具有渐进正态分布的统计量。但在小样本条件下,由于可使用解释变量差分项的阶数有限,导致模型中均衡误差项的序列相关,使得DOLS统计量出现严重的检验水平畸变。为此,本文将单一时间序列的动态广义最小二乘法（DGLS）应用于非平稳的同质面板数据模型。在序贯极限分布的条件下,DGLS统计量仍具有正态的条件极限分布。而仿真实验表明,对于非平稳的同质面板数据模型,即使在均衡误差项存在高序列相关的条件下,DGLS统计量仍具有较好的小样本性质。     

一种新的基于最小二乘法的分段直线拟合方法

正在计量经济学、统计学、物理实验等各种工程技术和科学实验中常常会得到隐含某种函数关系的一系列有序对,如何根据这些有序对来揭示它们客观规律,常用方法是用曲线拟合方法来建立它们的数学模型。在对这些复杂的数据进行拟合时,多采用基于最小二乘法的曲线拟合的方法,利用此方法可以实现最佳逼近。采用一种曲线函数拟合所有数据难以取得较好的拟合效果,如何改进最小二乘法的曲线拟合就成为研究焦点。有人提出把数据分成若干组,然后对每组数据再进行线性拟合,得到了基于最小二乘法的分段直线拟合;但它没有给出数据分段方法。有人利用拟合直线的初始点A、终点B和下一个     

回归分析中异常值的一种修正方法

普通最小二乘法是估计回归方程式的参数的一种常用的方法，它是根据在一组假定前提条件厂，要求实际观测值（Y）到回归方程的估计值（Y）的离差平方和达到最小值，即最小值。但是在实际工作中，利用最小二乘法研究经济变量之；司的关系时，当调查取得的资料中出现异常值时，如果不采用恰当的方法加以修正，估计出来的结果就可能出现很大的扭曲。有些人采用舍掉异常值的办法，这样做也可能使回归方程和观测值拟合得好一些，但由于舍掉了异常值，使资料的个数明显减少．因而在进行有关统计检验时，会因自由度变化而使参数的估计和检验受到影…     

普通最小二乘法的几何分析

普通最小二乘估计法是在目标函数残差平方和的达到最小的条件下求得参数估计量,从向量的角度来说,普通最小二乘法将被解释变量分解成了相互正交的两部分,通过空间向量理论和几何分析方法,可以在欧氏空间内对普通最小二乘估计量进行求解,这种分析过程使普通最小二乘法变得更直观。     

改进的Gompertz模型参数估计方法比较研究

讨论改进的Gompertz模型两种参数估计方法:三和法和非线性最小二乘估计法,并通过蒙特卡洛实验比较两种估计方法的精度和收敛率,得出非线性最小二乘估计法在估计精度和估计的成功率两方面都优于三和法的结论;利用Gompertz曲线拟合中国电影票房数据并对其未来发展作出预测:中国电影票房最终可以在2025年左右到达饱和状态,饱和状态总规模大约为1 676.5亿元。     

多变量混沌时间序列的最小二乘支持向量机预测

文章根据多变量混沌时间序列的相空间重构理论,建立了多变量时间序列的最小二乘支持向量机预测模型.通过Lorenz系统和中国股市的股票价格序列对该模型进行了验证,结果表明该预测模型能精确地预测混沌时间序列,并且优于基于单变量时间序列的最小二乘支持向量机预测模型.