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。     

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。     

线性回归模型中的KL型主成分估计

当线性回归模型中存在复共线性时,基于最小二乘估计的统计推断往往会受到影响。鉴于此,结合主成分估计和KL估计,提出了一类新的估计方法,即KL型主成分估计,以期克服复共线性问题。同时,得到新的估计在均方误差意义下优于最小二乘估计、主成分估计、r-k估计、r-d估计和KL估计的充要条件。并利用Monte Carlo模拟和实证分析对各估计量在均方误差准则下进行了比较。     

相依误差线性模型中的主成分s-K估计

为同时克服线性回归模型的自相关性和回归变量间的复共线性,通过融合主成分回归估计和s-K估计,提出一类新估计,称为主成分s-K估计;并在均方误差阵意义下,得到了这类估计分别优于广义最小二乘估计、主成分估计、r-k和s-K估计的充要条件.Monto Carlo数值模拟表明,新估计是一种同时克服自相关性和复共线性的有效方法.     

回归系数的根方型主成分估计

在线性回归模型中，当自变量间存在复共线性时，回归系数的最小二乘估计就失去了它的优良性，而主成分估计和根方估计都具有抗复共线性的特性，本文将二者有机结台，保留它们各自的优点，提出了根方型主成分估计，并证明了当复共线性存在时，根方型主成分估计优于根方估计、主成分估计和最小二乘估计，通过实例分析，说明它具有一定的实用价值。     

浅析多元线性回归中多重共线性问题的三种解决方法

为了解决变量之间的多重共线性问题,本文提出了三种方法：岭回归、主成分回归和偏最小二乘回归首先介绍了其基本思想和主要处理步骤,并通过具体实例验证出利用三种回归方法,可以消除多重共线性所带来的影响最后,通过对结果的分析总结出三种方法的优劣。     

回归系数LS估计的改进

论述了复共线性对LS估计的影响,复共线性存在时主成分估计比LS估计有较小均方误差.通过实例说明利用主成分估计对LS估计改进的方法与步骤.     

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...     

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。     

复共线性空间数据回归模型挖掘算法及其实现

对复共线性空间数据回归模型的挖掘算法进行了研究，主要贡献包括：(1)提出了Е-复共线性的概念；(2)给出不满足不相关假设情况下的新算法；(3)空间分析中将预测模型的挖掘和GIS等技术进行融合，进而促进空间统计学的更广泛应用；(4)给出Е-MCL(Е-复共线性模型回归系数估计)算法。(5)在SQL Server 2000 Analysis Services平台上融合GIS技术实现了新算法，作了实验验证和性能分析。     

近代回归分析及其应用

文章介绍了近代回归分析的理论与方法,运用最小二乘法,讨论了回归方程的建立、残差分析及异常数据的处理方法。     

基于逐步回归分析的河南粮食产量因素研究

运用逐步回归分析的方法,建立河南省粮食产量的回归模型,并对影响粮食产量的主要因素进行回归分析．引入回归方程的主要影响因素为粮食单产、农业机械总动力、乡村从业人员、化肥施用折纯量、农村用电量等,由此确定影响河南省粮食产量因素的回归方程模型．分析表明,利用逐步回归分析建立的模型具有很好的拟合效果,最大误差仅为12．5％．     

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．     

Excel软件中"回归分析工具"应用拓宽

Excel软件中“回归”分析工具仅适用于多元线性方程的拟合。提出自 回归、加权线性回归模型以及非线性方程的转化和化一元高次方程为多元线性方程,并利用“回归”分析工具求解, 拓宽了“回归”分析工具的应用。     

装甲车辆润滑油监测数据的多元回归分析

利用多元回归分析方法对装甲车辆变速箱润滑油监测数据进行了分析,说明了油样中铁谱磨粒浓度和油液污染度之间的线性相关性,并建立了两者的线性模型,为预测油液污染度提供了一种方法.     

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estk-Berggren公式的动态固化动力学模型的非线性回归分析

动态自催化固化反应动力学研究中的机理函数基于SB公式,动力学模型需要拟合4个参数:指前因子A、活化能Ea、反应阶数m、n.本文中采用非线性最小二乘回归方法,拟合结果表明4个参数的非线性回归结果不稳定,尤其表现在参数A与m的估计结果上.笔者对造成上述结果的原因进行了分析,指出由于模型参数效应曲率相当大,增加了模型的非线性强度,使得最小二乘回归分析结果不可靠.根据实验数据特征,本文中在不确定机理函数形式前提下,运用Model-free方法,先获得活化能平均意义下的估计值,再进行参数A、m、n的非线性最小二乘回归分析.结果表明减少回归函数参数个数,可极大程度降低模型的非线性强度,从而获得有效的动力学参数估计.     

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。     

经济预测中的多元线性回归分析数学模型

通过矩阵形式建立了多元线性回归方程,并对回归方程进行了假设检验分析。为了避免复杂的数学运算,给出了剔除某一因素后回归方程的统一形式。采用矩阵法进行回归分析,不仅可以免除解方程的复杂过程,而且还可以使计算大大简化,便于编制程序利用计算机进行计算。