基于G-Q的K-S异方差检验方法

在异方差线性回归模型中,G-Q检验是常用的方法,但G-Q检验通常适用于一元线性回归模型中,且有适用条件;而在多元线性回归模型中,G-Q检验也不是一个有效的异方差检验方法。针对G-Q检验的局限性,文章基于G-Q检验的基本思想,采用非参数Kolmogorov-Smirnov检验对线性回归模型进行异方差检验。通过大量数值模拟和实证分析,结果表明该方法具有一定的可行性和可靠性。     

基于变量选择的异方差White检验

在多元线性回归模型的异方差检验中，当解释变量较多且两两之间相关系数较低时，会导致传统White检验构造的辅助回归函数参数增多、计算量增大、检验效果不明显。针对这一问题，基于异方差检验原理，建立残差平方与解释变量之间的回归模型，筛选出系数显著的解释变量，利用残差平方与筛选出的解释变量构建辅助回归模型进行异方差检验。数值模拟及实证分析表明该方法有良好的检验效果及简单的步骤。     

一类线性回归模型异方差性的LM检验

笔者考虑了特殊情形下一类异方差性线性回归模型,首先导出了在模型中当异方差为线性函数时异方差检验的LM检验统计量,然后举例说明该方法的功效。     

几种异方差检验方法的比较

经典线性回归模型的一个重要假设就是回归方程的随机扰动项具有相同的方差 ,也称同方差性 .但在大多数经济现象中 ,回归方程的扰动项的方差随观察值的不同而变化 ,这种模型称为异方差模型 .如果对异方差模型进行OLS估计 ,就会产生严重的后果 ,因此 ,选取适当的异方差的检验方法是极其重要的 .本文对帕克检验、格莱舍尔检验、戈德菲尔德 -匡特检验作随机模拟 ,并对这几种方法略作比较 .     

基于多元线性回归模型的甘肃省民航客运量的影响因素分析

本文利用2006-2016年的甘肃省民航数据,运用多元线性回归模型对甘肃省民航客运量的影响因素进行了分析和探究。通过消除多重共线性的干扰,并对多元线性回归模型进行正态性、自相关性和异方差检验,得到最终的多元线性回归模型,并利用建立的多元线性回归模型找到了影响甘肃省民航客运量的主要因素为甘肃省民航航线里程和旅游人数。同时,针对这两个影响因素,为增加甘肃省民航客运量、提高甘肃省民航业的发展水平,提出了其对策和建议。     

异方差性的诊断方法及数据属性影响的实证分析

本文对异方差性检验常用方法作了总结评价,从数据角度来讨论数据属性对异方差性检验的影响.利用Breusch-Pagan检验、和White检验,通过删除异常点,影响点前后所作模型的异方差检验,得到完全相反的结论.因此,这些发现表明,作异方差检验时要十分关注异常数据影响诊断,这对我们进行经济建模,作模型诊断有一定的指导作用.     

相依序列方差变点的非参数统计分析

基于严平稳β-混合过程,建立回归函数和条件方差函数形式均未知情况下的自回归异方差模型方差变点的估计方法;并给出变点检验统计量渐近正态性的证明,由此得到方差变点的检验方法;最后,通过数值模拟,展示估计方法的有效性.     

基于线性混合模型的杉木人工林枝条大小预测模型

基于福建省将乐国有林场杉木人工林40株解析木的2 598组枝条解析数据,利用R语言的lme功能,采用线性混合效应(LME)模型方法,以单株树木作为随机效应,建立杉木人工林枝条大小(基径和长度)的预测模型,并利用独立样本数据对模型进行检验。结果表明:考虑随机效应的枝条大小LME预测模型比传统多元线性回归模型的拟合精度高;不同随机效应参数的组合,其LME模型的精度不同,3个参数作为随机效应参数时模型精度最高,但超过3个参数时模型不收敛;考虑异方差结构的LME模型能够消除数据间的异方差性,其精度更高,其中,以幂函数作为异方差结构时的模型精度最高。模型检验结果表明:对于杉木人工林枝条大小的预测,线性混合模型的检验精度比传统多元线性回归模型的精度有明显提高。     

Logistic分布位置-尺度参数联合回归建模及其Score检验

Logistic分布是一种重要的位置-尺度分布,与正态分布比较,Logistic分布是一种厚尾分布.为刻画数据的异方差性,提出了基于Logistic分布的位置-尺度参数联合回归建模问题,利用牛顿迭代法得到了参数估计算法.为检验解释变量的重要性,基于Score检验方法研究了相关的假设检验问题,并通过数值模拟研究其检验功效问题.最后,利用AIC和BIC信息准则对基于Logistic回归模型和线性回归进行拟合优度分析.大量数值模拟和实例数据分析验证了所提方法的有效性.     

特殊情形下线性模型异方差性的LM检验

考虑了特殊情形下具有异方差性的线性模型。首先导出了在模型中当异方差为线性函数时异方差检验的LM检验统计量及其性质,然后举例说明其有效性。     

多元线性回归模型中的异方差性问题

对计量经济学模型中应用最为普通的线性回归模型进行了一些分析．指出模型的基本假设中“同方差性”不能满足，即出现了异方差性问题时，会出现哪些后果，应如何对模型作出调查，并介绍了目前使用较多的检验“异方差性”的方法．最后建立了我国消费函数模型．     

基于成分数据的异方差模型

经典线性回归模型中,常用最小二乘法对模型中的参数进行估计,进而对模型进行预测。当模型具有异方差时,经常使用广义最小二乘法估计参数。若线性模型中的解释变量为成分数据,在异方差下,虽然可以使用广义最小二乘对参数进行估计,但是由于成分数据的定和限制及其特殊的协方差结构,会导致矩阵不可逆,从而无法估计参数。针对成分数据中的这种情况,文章借助于岭回归分析法的思想给出了一种解决方法。实例分析表明,此方法是可行的。     

关于浙江省居民人均住房面积与相关经济数据的研究

本文通过对浙江省居民人均住房面积及相关经济数据的分析,建立初始模型。再对建立的初始模型进行包括经济意义检验、统计检验、计量经济学检验、预测检验在内的四级检验,用到了拟合优度检验、White检验、G-Q检验、拉格朗日乘数检验、逐步回归法等,建立最终模型。     

劳动力投入对中国建筑业影响的实证分析

本文是以基础的计量经济学分析工具，通过建立多元线性回归模型，对影响中国建筑业的因素作了初步的讨论。经过对相关变量的筛选，得出了影响建筑业的两个重要因素，在此基础上得出一个二元回归模型，并就模型进行分析，实证分析了一些基本结论。     

回归模型中的异方差性检验及分析

本文首先导出非线性回归模型中，当权函数具有较一般形式时异方差性检验的Ｓｃｏｒｅ检验统计量，然后讨论了线性模型中自变量或因变量的扰动为Ｓｃｏｒｅ检验统计量的影响，最后给出了两个应用实例。     

基于Excel的矿石小块体重多元线性回归模型应用分析

Excel"数据分析"的"回归"是快速建立多元线性回归模型的有效工具,同时也隐藏了建立多元线性回归模型的细节。本文对回归参数βj的求解过程,随机误差项μi的方差σ2的表达方式,以及拟合优度、误差分析、方程的显著性检验(F检验)和回归系数的显著性检验(t检验)的检验过程进行了详细阐述,并基于Excel对矿石小体重的多元回归模型的成功建立进行了系统分析。     

异方差一致协方差阵的估计方法研究

处理回归模型中的异方差问题尤为重要的一点是对随机误差项的方差进行估计.考虑到非参数核估计和稳健估计在异方差构成未知的情况下在估计效果上仍具有一定优越性，因而将非参数N-W估计和两种稳健估计方法分别与估计加权最小二乘估计法相结合，先得出随机误差项方差的估计量，进而将其作为权矩阵对模型参数进行估计，并基于估计加权最小二乘法，对已有的加权异方差一致协方差估计方法进行扩展，提出了两个新的加权估计量WHC4m和WHC5m.通过实验可以发现，各估计方法在模型参数的估计和检验效果上差别较大，并且新提出的加权估计量比原有的异方差一致协方差估计量HC4m和HC5m在检验效果上表现更好.     

双重检验逐步回归模型在电力负荷预测中的应用

文中针对电力负荷预测的多元线性回归模型,提出了双重检验逐步回归模型。与传统的多元线性回归模型相比较,双重检验逐步回归模型无需建立全部变量的回归方程,而是在全部自变量中按对因变量的作用大小,边进行显著性检验,边入选或剔除变量,并且由于每步都作检验,因而保证了最后所得的方程中所有因子都是显著的。     

基于BPT-MLR模型的建筑能耗分析和预测

通过对福建省厦门市某高校8栋公寓楼的房间日平均用电量的分析，提出一种建筑能耗的平衡点温度-多元线性回归(BPT-MLR)模型.使用统计方法识别平衡点温度，并根据该平衡点温度分段对房间日平均用电量进行多元线性回归预测分析；对8个参数进行筛选，最终选4个参数作为模型变量，包括1个数值型变量(室外空气平均温度)和3个定类型变量(性别、节假日指数和晴雨天指数).结果表明：对比3种数据驱动模型，BPT-MLR模型的预测性能最优，其R²值达到了95.29%,比BP神经网络模型和多元线性回归模型的R²值分别高出0.04%和24.64%.     

AR(1)模型下F检验的性质

讨论误差服从一阶自回归的线性模型关于回归系数的线性假设检验问题,在方差参数已知的情况下,研究了检验统计量的性质;在方差参数未知时,采用前三阶中心矩相等的方法,提出两种近似检验方法．模拟结果显示,当误差正相关程度较高时,两种近似检验在具有较小的第一类错误的同时,具有较大的功效。