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.     

有限样本条件下多元线性回归模型的最优解

将分析多元线性回归模型和求线性方程组的最优解统一起来．线性方程组的最优解基于欧式赋范空间最短距离．研究结果表明：在多元线性回归模型不存在多重共线性的情况下,得到的回归结果解和线性方程组的最优解相同．在多元线性回归模型存在多重共线性时,通过求线性方程组的最优解,可以得到统计意义上的线性无偏有效解,此时的最优解不满足渐近性和一致性条件．因此,利用线性方程组求最优解适用于多元线性回归模型在有限样本条件下的情况,多于大样本的情况不适用．     

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.     

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。     

主成分分析在居民消费价格分类指数中的应用

在进行消费结构变动的分析时,由于指标多且指标体系中各指标之间存在着多重共线性,这是影响模型稳定的重要因素,使所得的模型中出现了不符合经济学原理的现象。为此采用主成分分析来消除这种多重共线性,建立主成分回归模型。运用主成分回归分析方法,建立了关于我国居民消费价格指数变动的主成分回归模型,消除了多重共线性,使模型达到了很高的拟合优度,体现了主成分分析在消除回归模型中的多重共线性的优越性。     

基于岭回归和LASSO回归的安徽省财政收入影响因素分析

基于1988—2019年安徽省财政收入及相关经济指标数据,运用岭回归和LASSO回归方法,探究安徽省财政收入的影响因素.考虑到较多的自变量会造成严重的多重共线性,首先应用岭回归及LASSO回归模型降低变量间共线性的影响,然后再进行变量选择,最后对两模型进行比较分析.结果显示:相较于岭回归模型,LASSO回归模型更优.第...     

PLS回归应用实例

在研究因变量y与p个自变量的线性回归关系时 ,常遇到自变量间存在多重共线性的问题。文献 [3]介绍了用PLS回归来消除多重共线性的方法。本文通过两个例子的计算建立PLS回归 ,并发现了PLS回归实施过程中的若干问题 ,提出了一些自己的看法     

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.     

基于岭回归对新疆农业经济的分析

基于使用最小二乘回归对数做统计回归时,常出现自变量之间因为多重共线性,导致模型预测失去效果的现象,其中和岭回归法是常见的用以处理多重共线性问题的方法。现以新疆农业经济数据为例,运用统计软件对数据进行实证分析,证实了这种方法消除农业经济中多重共线性的可行性,与偏最小二乘回归方法作比较,说明其实现过程和优缺点,有利于提高回归预测模型的精确性和在现实问题中更广泛的应用。     

多元共线性引发的问题及其实际的处理方法

多元线性回归分析中，要求自变量之间是相互独立的，但在解决实际问题时，往往不能满足此要求，而出现有一些自变量“共线”的情况，文中主要阐述多元共线的含义，多元共线时给统计分析所带来的困难，并讨论了克服这些困难的叵干参考方法。     

逐步回归分析的拓展

给出一种方法,在逐步回归后,使每一前进（后退）步为一单元步,用Ｆ检验来判别这单元步的去留,使回归式子比逐步回归纳入更多的解析变量,同时能减低向后消元法产生多重共线性的可能性．     

用主成分回归分析解决回归模型中复共线性问题

主成分回归分析是将回归模型中有严重复共线性的变量进行因子提取,得到正交的因子变量,然后对因子变量进行回归模型的建立.通过具体实例介绍复共线性的判别方法以及如何利用主成分回归分析方法建立较理想的回归模型,从而解决了由于复共线性而造成病态回归方程的问题.     

Cox模型中共线协变量的分层处理

协变量间的共线关系导致不准确的估计及检验,现有的几种方法都存在不同程度的缺陷。作者给出一种分层处理方法,从模拟试验的拟合效果看,优于主尬发方法,似然比检验及单变量分析方法。将该方法用于一个实际例子,得到较好的结果。     

顾及自变量与因变量误差及相关性的线性回归

提出一种顾及自变量和因变量观测误差及误差相关性的线性回归新方法,并导出了求解线性回归系数的迭代公式.以一元线性回归为例,导出了与最小二乘回归系数表达形式类似的解析解,并揭示了新方法与最小二乘方法的本质区别.此外,对于含有多个自变量的多元线性回归,给出了相应的同时考虑自变量和因变量观测误差及误差相关性的回归系数求解方法.试验表明,当自变量是非随机变量时,新方法与最小二乘方法的回归效果相同;当因变量和自变量都是随机变量(自变量与因变量的观测误差相关或不相关)时,新方法的回归系数比最小二乘方法的回归系数更加接近实际值.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

偏最小二乘与灰色模型组合预测城市生活需水量

为了克服普通多元回归方法用于中长期预测时自变量多重共线性对拟合模型的干扰,引入了更易于辩识系统信息与噪声的单因变量偏最小二乘回归(PLS1),同时将两次拟合等维灰数递补(DEMGM(1,1))模型用于自变量的中长期预测,建立了一套PLS1与DEMGM(1,1)组合预测方法.采用1986年—2000年某市生活用水量历史数据对该方法进行验证,预测结果表明,平均相对误差仅为1.03%.将该方法引入城市生活需水量研究,预测2005年和2010年某市生活需水量将分别达到0.92×109m3与1.1×109m3,为该市给水工程规划与决策提供了参考依据。     

基于多元回归模型下人体吸氧效率的预测

研究人体吸氧效率与人体重要指标因素的相关性,首先利用R统计软件对人体吸氧效率与重要指标因素进行多元线性回归建模,其次,对该模型及回归系数的显著性分别进行F检验和t检验,剔除掉冗余及共线性指标,确立一个合理且有效的的多元回归模型.最后,利用回归模型进行预测并分析该模型的实效性.为指导人体生理健康及研究应用提供了较好的参考价值.     

The Relationship between the Mechanical Properties of Pure Silk Fabrics and Dress Performance

In this paper, the relationship between mechanical properties of 30 pieces of pure silk fabrics and the dress performance has been analyzed. With the methods of multifactor linear step regression and discrimination analysis, the judgment and prediction model of the performance have been established.