CPI指数预测的统计回归模型

对CPI值进行预测,对我国相应部门做出正确的宏观决策有积极意义．本文采用应用非常广泛的一类随机模型——统计回归模型,首先找到关于CPI指数变化的影响因素,搜集相关的大量数据;然后通过应用主成分分析法找出影响CPI的3个主要因素;最后基于3因素的数据,通过统计分析,建立回归模型,对短期内的情况进行预测．     

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。     

居民消费价格指数的ARCH模型及实证分析

本文根据居民消费价格指数时间序列（CPI）数据本身的特点,建立了CPI的自回归模型、一到三阶ARCH模型。比较各个模型参数,得到CPI短期预测最优模型为自回归一阶ARCH模型。预测效果图表明：自回归一阶ARCH模型在预测趋势突变时会有一定的滞后性。     

基于加权马尔科夫模型的湖北省CPI预测

研究地区CPI的变化趋势,对全面把握当地宏观经济运行状态,据此制定相应的政策措施,保持地区CPI基本稳定以及促进本地区经济健康发展等具有重要意义.针对传统马尔科夫预测模型存在对历史数据均衡看待,且预测结果比较笼统的问题,采用对不同时期历史数据加权重和模糊数学处理预测结果的方法进行了改进,发挥数据的特点,拓展了模型的应用范围.运用改进后的模型对湖北省CPI进行了预测,通过验证得到模型有较好的效果.由模型预测得到2019年4月湖北省CPI为2.473%.     

基于多元时间序列的PM2.5预测方法

针对利用多元线性回归和时间序列模型预测PM2. 5时,存在信息利用不全面和预测精度不高的问题,提出了基于多元时间序列(ARMAX)的PM2. 5预测方法;方法在回归项中引入了PM2. 5影响因子在时间序列上的滞后性阶数,并对残差序列进行信息提取,建立了PM2. 5浓度预测模型;首先通过"天气后报网"采集了合肥市2017年和2018年污染物数据;完成了数据的预处理及相关性分析;分别建立了PM2. 5浓度预测的多元线性回归模型、时间序列模型和ARMAX模型;最后通过RMSE、MAE和Theil不相等系数3个评价指标,将3个模型预测精度进行比较;结果表明:ARMAX模型的预测精度显著高于单一的时间序列模型或多元线性回归模型。     

基于Logistic回归和神经网络比较的咽喉反流疾病的精准预测

数据来自吉林大学第二医院193位病人的反流症状指数评分量表(RSI)数据,应用Logistic回归模型与神经网络模型对咽喉反流疾病进行预测.首先对数据进行预处理和相关性检验,再将数据按7:3拆分成训练集和验证集,最后通过Logistic回归模型和神经网络模型两种方法对咽喉反流疾病进行预测.结果表明,Logistic回归模型的预测准确率为99.39%,神经网络早停止法训练出的模型预测准确率最高为98.61%.因此,Logistic回归模型对咽喉反流性疾病的预测更加准确,为咽喉反流疾病的高效识别奠定了基础.     

基于多元线性回归模型煤矿瓦斯体积分数预测

依据多元线性回归模型理论,对可能影响瓦斯涌出量的数据进行分析,找到影响瓦斯涌出量的主要因素.将多元线性回归模型应用于瓦斯涌出量预测.通过将预测值与实际值比较,证明多元线性回归模型预测的瓦斯涌出量值是可行有效的,对指导煤矿安全生产具有一定意义.     

组合模型对居民消费价格指数序列的分析及预测

求和自回归移动平均模型(简称ARIMA)及支持向量回归模型(简称SVR)是两个重要且行之有效的分析及预测时间序列的方法.他们都能在一定程度上反映数据所包含的信息且信息不会完全重叠.为了能够各取所长,本文用这两种模型的组合模型对居民消费指数(CPI)进行了预测,结果显示组合模型提高了指数的预测精度.     

基于Lasso回归和ARIMA模型的城市生活垃圾产生量预测——以宝鸡市为例

基于宝鸡市2009—2019年城市生活垃圾产生量及其影响因素的基础数据,首先通过Lasso回归建立了生活垃圾产生量预测模型,其次通过ARIMA模型对模型中主要影响因子进行了预测,最后通过Lasso模型对2020—2025年宝鸡市城市生活垃圾产生量进行了预测.结果表明,Lasso回归模型预测精度高,可用于城市生活垃圾产生量的精准预测.未来几年宝鸡市生活垃圾产生量将会快速增长,2025年将达到的52.71×104t.     

基于岭回归和Lasso回归的螺纹钢期货价格实证分析

期货是金融市场的重要组成部分,期货的交割通常是在一段时间后进行,因此对于期货价格预测显得尤为重要,其中螺纹钢期货价格预测成为提高我国钢铁产业竞争力的重要举措.通过对螺纹钢期货结算价及其影响因素的数据进行分析,分别利用岭回归和Lasso回归两种方法消除共线性的影响,得到两种修正多元回归模型,应用两种修正多元回归模型分别对螺纹钢未来一周的期货价格进行预测,并与真实价格进行比较,最终发现基于两种方法得到的模型预测准确率均高于95%以上,且基于Lasso回归方法的拟合效果更好,证明构建的两种回归模型对螺纹钢价格的走势与预测均有重要的参考价值.