主成分回归分析在经济学中的应用

本文针对销售数据实例,采用多元回归分析,得到回归预测模型,但由于多元统计回归不能处理多重共线性,将产生较大误差。为了避免这种共线性,本文采用主成分回归模型来预测销售利润,得出优于多元线性回归的预测模型。这种回归不但可以在多元的情况下起到降雏的作用,还可以排除多元线性回归不能解决的多重共线性,使误差减小,得到更实用的预测模型。     

GDP预测模型中的多重共线性问题

采用Frisch综合分析法,运用SAS软件包作辅助工具,解决多重共线性问题.即从最初的自变量中按照一定的准则,挑选了若干多重共线性不十分严重的自变量,进行多元线性回归拟和,建立线性回归模型,得到一个预测GDP的方程.     

多重共线性的产生原因及其诊断处理

随着计算机应用的普及 ,多元回归分析在生产、科研等实践中得到广泛应用。但是 ,在使用线性回归模型时 ,容易忽视应用条件 ,即自变量间不存在近似线性关系 ,否则会使结果不准确 ,甚至严重偏离变量间本来的依存关系。因此 ,有必要分析多重共线性的产生原因及对线性回归模型的影响 ,进而给出诊断多重共线性的常用方法 ,最后总结几种克服共线性的方法 ,并以卫生管理中的一个实例加以说明。     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

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。     

岭回归在修正多重共线性中的应用

以2000-2010年四川省CPI的数据及部分影响因素为基础,运用SPSS17.0对CPI数据建立多元线性回归模型,并基于岭回归对模型中的多重共线性进行修正,得到了修正后的模型,说明此方法具有一定的实用性。     

层次线性模型中多重共线性的诊断

层次线性模型中的多重共线性问题有时是客观存在的。针对该问题,尝试通过对层次线性模型中参数估计的方差进行分解,并使用赖因施形式和奇异值分解的方法对设计阵与转换阵之间的关系进行论述,根据论述结果可知相对于设计阵,转化阵的奇异值会发生收缩,所以当设计阵不存在多重共线性问题时,可推知转化阵也必定不存在多重共线性问题,从而通过这种转化将层次线性模型中多重共线性的诊断转化为用现有的软件计算方差分解比和条件数就可解决的问题。     

基于因子-主成分回归分析的股价技术分析研究

介绍了回归分析中多元线性回归的理论及应用方法,并以股价技术指标为研究对象,利用spss统计分析软件,建立了短期股价变动的多元线性回归模型。同时讨论了被选为自变量的参数之间存在的多重共线性问题,并分析该问题对线性回归分析结果造成的影响。因子-主成分分析的核心是用较少的相互独立的因子反映原有变量的绝大部分信息。主成分分析的主要思想是:从自变量中提取出新的变量,这些变量是原变量的适当线性组合,并且互不相关,因此应用SPSS软件进行数据缩减、提取主成分,并以主成分因子为新的自变量建立主成分回归方程,消除了多重共线性对回归模型的影响。最后对不同模型的测试结果进行了比较、分析,验证了因子-主成分分析在解决实际经济问题中的有效性。     

一类出口量模型的实证分析

以中国出口量线性回归模型为例,对多重共线性问题进行着重分析.建模过程基于OLS估计,构造统计量,进行多角度的统计检验并修正.最终实证表明:多重共线性是一个程度的问题而不仅仅"是否"存在的问题,尽管模型中存在多重共线性,会引起参数估计值方差的增大,但模型仍然具有较好的预测作用.     

求解多元多重线性回归系数的BP算法

提出了一种基于SCNN的求解多元线性回归系数的改正的BP算法.该算法的基本思想是先将回归系数的估计转化为求相应线性方程组的最小二乘解;然后用BP算法求得方程组系数矩阵的左逆阵,得到方程组的解.算法中不存在除法运算,且便于在计算机上实现.     

接触问题中的边界元法及其最优罚因子

分离解法在种类上类似于柔度法,但在接触区附近考虑面力对位移的影响。对每个外载荷的增量迭加进行分析,适合那些面力变化的方程,用面力来区分接触状态。在判别接触状态时罚因子w的选择很重要,选取的好可得到快速的收敛解,否则得不到收敛解,对接触问题中的分离解法人出了最优罚因子w,并通过实验验证了方法的正确性。     

不同被解释变量选择对决定系数R2的影响研究

考虑了一元线性回归模型中不同被解释变量选择对决定系数的影响，在一定条件下，证明了不同被解释变量回归模型的决定系数存在特定关系。     

An Approximate Linear Solver in Least Square Support Vector Machine Using Randomized Singular Value Decomposition

In this paper, we investigate the linear solver in least square support vector machine(LSSVM) for large-scale data regression. The traditional methods using the direct solvers are costly. We know that the linear equations should be solved repeatedly for choosing appropriate parameters in LSSVM, so the key for speeding up LSSVM is to improve the method of solving the linear equations. We approximate large-scale kernel matrices and get the approximate solution of linear equations by using randomized singular value decomposition(randomized SVD). Some data sets coming from University of California Irvine machine learning repository are used to perform the experiments. We find LSSVM based on randomized SVD is more accurate and less time-consuming in the case of large number of variables than the method based on Nystrom method or Lanczos process.     

基于模糊基函数变换的PLS及其在软测量中的应用

针对以往非线性偏最小二乘法(PLS)的局限性,提出了一种基于模糊基函数变换的PLS算法,用以解决非线性系统的建模问题.该方法首先通过模糊基函数变换将自变量与因变量之间的非线性关系转化为线性关系,再利用PLS算法进行回归求参,从而有效克服由于模糊基函数变换所引发的维数增加以及多重共线性,使得模型在具有较高拟合精度的同时还能有效地抑制噪声.通过仿真实验进一步验证了该方法的有效性,并将其应用于湿法冶金萃取过程组分含量软测量建模问题,得到了满意的效果.     

异常点检测后的偏最小二乘回归模型

偏最小二乘回归是通过一组自变量来预测一个或一组因变量的统计方法。但在很多情况下用于建模的样本点由于种种原因会出现一些异常情况,这些异常点和其他样本点之间都存在着很大的偏差。异常点的存在对所建立的模型和真实模型就有很大的偏差。基于这一问题本文通过构造统计量对所给的样本点进行选择,剔除对模型的构造有很大影响力的样本异常点,从而获得一个相对合理的样本空间。在相对合理的样本空间中采用偏最小二乘回归建立模型。运用MATLAB编程,通过一个实例说明在对于异常点剔除后的样本空间中建立模型的精确程度有了很大的提高。     

基于HCM2000延误模型的最佳周期时长估算公式

提出了一套新的、基于美国道路通行能力手册2000版(HCM2000)延误模型的信号控制交叉口最佳周期时长估算公式.首先探讨信号交叉口最佳周期时长的理论计算方法,然后选取代表不同交通状况的典型交叉口,计算其最佳信号周期时长,以此作为样本数据进行回归分析,得到两个分别适用于两相位和多相位信号控制交叉口的最佳周期时长估算公式.该公式克服了久用的Webster最佳周期时长估算公式不适用于高饱和度交叉口的问题.     

多响应线性回归模型Bayes最优设计的等价性定理

讨论多响应线性回归模型的Bayes设计问题,给出回归参数的Bayes估计,并建立BayesZ-最优准则,在Z-最优准则下,得到了多响应线性回归模型的Bayes最优设计的等价性定理,并将其运用到LB-最优设计上．     

最大误差绝对值达到最小的区间组合预测模型

针对实际值序列和预测值序列均为区间数的情形,给出最大中心误差和最大长度误差绝对值达到最小的多目标模型,转化为单目标线性规划问题进行求解．最后,通过具体算例对文中方法的可行性和有效性进行了验证．     

基于 LR 模糊数据的线性回归模型

LR模糊数据是实践中经常使用的由形状函数L及R、左右扩展及中心构成的模糊数．取值LR模糊数的随机变量称为模糊随机变量,其缺乏适宜的概率分布模型,导致模糊数据的线性回归模型缺乏显著性检验．文章基于Nather模糊随机变量线性回归分析工作,进一步给出LR模糊数据多元线性回归在δ2距离下的系数估计,并通过统计软件给出模型中非确定干扰变量的Bootstrap模拟分布．     

一元回归的数值解法

本文基于数值模拟原理,提出一元线性回归的数值解法,并分别就一元线性回归和一元非线性回归问题进行讨论,结论表明,一元线性回归的数值解法与数理统计解法结果完全吻合,但一元非线性回归的数值解法比所谓的线性化数理统计解法可靠,且对不可线性化非线性回归问题,用数值解法亦可求出回归结果。