税收增长的动态回归分析

利用过去25年间税收收入和GDP数据，建立自回归分布滞后模型进行短期及长期税收弹性分析，估计结果不仅支持了近几年我国税收高速增长主要是恢复性增长的观点，而且说明短期内税收增长具有较大惯性，此外也揭示出经济增长最终决定税收能否长期保持增长态势。     

基于岭回归-乘数模型对减税新政影响中国经济复苏的计量分析

2020年中国出台更大规模减税政策,极大促进中国经济的发展.探究新减税政策对推动中国经济复苏的影响,可以为中国经济发展的目标提供建议,为中国减税降费政策试施行提供支持,促进经济合理有序发展.运用计量模型,通过分析中国近年来的税收收入数据及其影响因素,可以对不减税情况下中国2020年的税收收入进行预测,同时根据各省市已经...     

基于主成分分析法对海南省财政收入问题的研究

利用主成分分析法,研究了2000至2008年海南省第三产业产值、税收收入、农业总产值、总人口、固定资产投资及工业总产值诸多因素对海南省财政收入的影响,借助EViews6.0及spss17.0软件计算,建立了相应的数学模型,得出对海南省财政收入的主要影响因素是第三产业产值,次要因素是税收收入,并对2009年海南省的财政收入做了预测,结果表明模型短期预测精度较高.     

税收增长与经济增长的相关分析

我国近几年来税收收入的高增长，既有经济增长的基础因素，又有政策、管理等方面原因。通过对这些影响因素的分析及与国外有关数据的比较，就如何实现我国税收收入的持续增长并与经济增长相协调作一探讨。     

Bradley-Terry模型在中国足球协会超级联赛球队实力分析中的应用

基于扩展Bradley-Terry模型对2015赛季中国足球协会超级联赛的比赛结果数据进行分析,得到了16支参赛球队的实力指数和主场效应参数的估计值.计算结果表明,联赛具有主场优势.利用广义线性混合效应模型得到影响球队实力指数的各项技术因素,为今后预测足球比赛结果和提高球队的技术水平提供依据.     

脑卒中发病因素的多元分析模型

通过对影响脑卒中发病环境因素分析,建立了以发病率为因变量,以年龄因子、环境因素和性别因素为自变量的多元线性回归模型.用SPSS软件对其进行回归分析,通过模型对数据进行预测分析,并对模型进行残差和标准残差检验,得到具有实践意义的结论,对从各方面控制脑卒中发病率具有指导意义.     

基于BP神经网络模型的寿险公司偿付能力影响因素及预警研究

针对寿险公司偿付能力影响因素以及预警管理研究,选取了不同规模的14家寿险公司流动比率、赔付率、投资收益率、总资产回报率、再保险率、保费收益率、保费变化率、寿险准备金增长率8个指标的相关数据,并利用变异系数法和相关系数法分别筛选影响较大的因素,再逐步回归得到基于主要影响因素的偿付能力回归方程,以此进行因素分析.在指标优化的基础上,利用BP神经网络模型建立寿险公司偿付能力的预警系统,同时与广义Logistic模型预测结果进行对比,得出BPNN具有更准确的判别预警效果,为寿险公司偿付能力预警以及投保人降低自身损失作出参考作用.     

灰色模型在武汉市商品房价格预测中的应用

应用灰色系统理论对武汉市2001—2010年各季度的商品房均价的数据进行分析,得到武汉市商品房价格GM(1,1)模型,并利用该模型对商品房价格进行预测.检验结果表明,该模型适用于商品房价格的中长期预测.     

基于Excel的铁路货运量影响因素灰色关联分析

铁路货运量受到自然条件、社会经济等诸多内外部因素的影响,为了提高铁路货运量预测结果的准确性,有必要对这些影响因素进行综合分析。研究利用Excel办公软件对可能影响铁路货运量的主要因素进行深入分析,筛选出关联度较高的影响因素,使其既能全面地反映对铁路货运量的影响,又具有较强的独立性,对提高预测模型的精度、降低计算复杂度等方面都具有重要意义。研究结果表明全国煤炭、原油、粮食等大宗物资产量及铁路货车拥有量、铁路营业里程等因素对全国铁路货运量有较大影响,在货运量预测时应重点考虑。     

基于SVR的上海市商品房价格预测

商品房价格受诸多因素影响,研究因素与商品房价格的关系是当前研究房价的一个热点。从1998—2013年的上海市商品房基本信息中,选取了对商品房价格产生影响的8个因素,利用LIBSVM工具建立了基于SVR的商品房价格预测模型,并对1998—2013年的商品房价格进行预测。实验表明,SVR模型比ARIMA模型具有更好的预测值,预测能力更强。     

基于灰色预测和多元回归对中国煤炭价格的影响因素研究

针对煤炭价格影响因素及价格预测问题,首先对选取的影响因素进行量化分析,运用主成分分析法提取出影响因素的有效信息,得出各个影响因素对于秦皇岛港动力煤价格影响程度的大小,然后采用灰色预测模型进行煤炭价格的短、中期预测,采用多元线性回归模型进行长期预测,最后,综合考虑未来各种情况将会引起的煤炭价格影响因素在结构性和重要性方面...     

基于二孩政策下人口结构的分析与预测

针对二孩政策下的人口结构,通过模糊综合评价法,Logistic阻滞增长模型,指数增长模型,人口发展模型等一系列方法,综合分析了人口的各项指标对人口结构的影响,依托模糊综合评价模型,以十个具有代表性的地区为分析对象,分析得到所选择地区人口结构的评级.同时采取Logistic阻滞增长模型等对上海地区未来人口结构进行预测,以此改善该地区人口结构,促进地区经济的发展.该文采用国家统计局中给出的准确具体的数据,保证了分析预测方法的可信度.     

基于Markov和Logistic模型的高教规模预测问题的研究

利用数学建模的方法研究高等教育规模的预测问题。运用层次分析法确定学生入学率、教育的投入、接受高等教育的总人数在高等教育规模中的贡献程度,并利用熵值取权法对权重的进行修正,得到较为合理的权重系数。接着,基于统计思想,利用Markov性模型,借助于MATLAB软件,对高等教育规模的变化程度进行分析和预测,得出未来十年的高等教育规模的变化趋势总体上是增长的,但增长程度是渐缓的。最后,利用逻尔斯基模型作为经验公式,并借助于已有数据进行非线性回归,得到高等教育规模与时间的函数关系,并由此模型预测了2017—2026年的高等教育规模值。     

基于影响因素筛选-优化组合模型的隧道变形预测研究

隧道变形监测是其安全施工的必设项目,对其预测研究具有重要意义,但隧道变形影响因素较多,难以直接开展变形预测研究。因此,研究先利用相关系数法评价各因素对隧道变形的影响程度,以确定隧道变形的主要影响因素,并将其作为变形预测模型的输入层信息;其次,再利用RBF神经网络构建隧道变形预测模型,且为保证预测精度,采用试算法和粒子群算法优化隐层节点数及相关模型参数。实例研究表明:相关系数法可很好地评价各影响因素与隧道变形间的相关程度,且不同监测项目的影响因素存在一定差异;同时,预测结果的相对误差均小于2%,说明优化RBF神经网络的预测精度较高,可靠性强,适用于隧道变形预测。     

G(1,1)灰色模型与灰色线性模型预测法比较及应用——以商洛市房地产发展现状为例

运用实例和统计分析的方法,对统计预测中常用的G(1,1)灰色模型预测法和灰色线性模型预测法进行比较,得到了两种模型在实际预测中的精确度.并通过检验分析,得到了在什么情况下用G(1,1)灰色模型预测,在什么情况下用灰色线性模型预测.     

灰色BP神经网络组合模型在大坝沉降监测中的应用

大坝沉降是一个非线性的过程。为了能准确预测大坝沉降,将GM(1,1)模型和BP神经网络模型结合,以某大坝沉降量为实例,研究灰色BP神经网络在大坝沉降监测中的应用。通过GM(1,1)获得一组拟合数据,将拟合数据和原始值作差得到拟合值的误差序列,再利用BP神经网络模型对拟合数据和拟合数据的误差序列进行训练,最后再以拟合数据作为输入值,利用训练完成的BP神经网络得到误差序列,进而得到预测值。经过实验分析,得出组合模型的预测精度高于单一模型的预测精度。     

韶关市PM_(2.5)影响因素分析和预测研究

随着人们生活水平的不断提高,环境问题已成为备受关注的热点话题,其中最为突出的就是PM_(2.5)造成的雾霾天气.因此对环境中PM_(2.5)产生的影响因素进行分析和浓度的预测研究显得非常必要.从韶关市环境气象官方网站和天气网收集了2014-10-01至2015-05-31的相关数据,并对原始数据进行相关性分析、主成分分析和独立成分分析,建立多元回归模型,研究分析了PM_(2.5)与其他影响因素之间的关系.结合时间序列改进简单的回归模型,得到向量自回归平均模型.经过比较检验,认为向量自回归平均模型是最为理想的预测模型.     

基于CFD多路阀铲斗联流固耦合解析

分析HDF多路阀结构,利用三维建模软件分别建立流体模型及固体结构模型。结合计算流体力学理论,利用商业CFD软件,通过设置模型参数及边界条件对HDF多路阀流场及阀芯结构场进行解析。对流体解析数据分析,得到滑阀铲斗联速度场、压力场分布情况;对阀芯结构场解析,得到铲斗联阀芯在流固耦合边界条件下的应力应变情况,为液压阀内部特征的预测提供依据。     

基于ARMA模型对股票“青岛海尔”成交量的分析预测

针对股票"青岛海尔"的日成交量,选取2016年下半年数据,利用B-J法建立ARMA模型,借助Eviews 8软件的求解,得到与实际数据高度吻合的ARMA(3,2)模型,并对未来4天日成交量进行预测,然后与2017年初的实际数据对比,发现预测结果比较好.结论表明:模型的精确度比较高,适合股票短线也即日成交量的分析与预测.     

基于数据挖掘技术的广州市财政收入分析与预测

采用线性回归和主成分分析方法分析了广州市财政收入数据,得到了财政收入具有关键影响的因素;通过时间序列分析方法对收入数据进行预测,得到了地方财政收入的预测值.