湖南经济主要指标未来两年的预测

本文采用作者2005年推出的称为"前移回归分析"的时间序列预测新方法对湖南省经济主要指标进行预测,取得较好的效果.这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷.经济指标是多项相关因素的函数,一个时间段内各项指标(自变量)值会影响下一时间段待预测指标(因变量)的取值,这是新方法的依据.所建模型,经湖南省历史数据检验效果较好,但预测明后年的指标,有待今后的统计公报证实.     

时间序列分析在金融价格预测中的应用

与回归分析不同，时间序列分析不是根据与其它变量的因素关系来预测一个变量的未来变化，而是根据该变量自身过去的规律来预测其未来的变化。这与实际中价格信息的复杂性特征具有较好的符合关系。作在Intnet网上查取了伦敦金属交易所（LME）镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个，用其中的前37个数据进行时间序列分析，得到了AR（3）模型，用最小二乘法和Yule-Walker法预测后五个数据，得到了较好的效果。因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景。     

我国社会消费品零售总额时间序列模型及预测

本文运用时间序列分析方法中的季节时间序列模型（SARIMA）,对我国社会消费品零售总额进行时间序列模型分析。分析结果显示,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,且通过模型对社会消费品零售总额做了预测,该模型可以提供较为准确的短期预测效果。     

GARCH族模型在我国的应用研究探讨

一、引言自回归条件异方差模型（ARCH模型）是金融领域研究市场波动的基础性研究工具,由Engle（1982）首次提出。研究认为资产收益率的扰动项是序列不相关的,但并非独立,其不独立性表现为能够用其延迟值的二次函数形式进行描述。模型描述了方差随着时间而变化的特点,所以在金融市场预测和决策方面取得了显著的效果。     

绿色发展视阈下湖南省生态足迹的驱动力因素分析

利用湖南省2000—2015年的数据,在对湖南省生态足迹进行测算的基础上,采用偏最小二乘回归模型,建立起生态足迹与经济、社会各因素的多元回归模型,以此来研究导致生态足迹加剧的主要影响因子。从模型可知,12项因子对于湖南省生态足迹的増长均有程度不一的影响。除农业人口之外,其余的11个可能影响因子的自变量系数均为正,且与生态足迹的变化呈现趋同的变化趋势。其中,能源消费总量、城镇化率和总人口数3个自变量的显著度最大,对生态足迹的正向驱动作用最大。以2000—2015年湖南省的实测能值生态足迹数据与各影响因子的同期数据进行比对,再次验证了模型研究结果的合理性。结果表明:造成湖南省生态足迹增长最主要的驱动因素是由产业结构不合理造成的巨大的能源消费量以及经济的快速发展和庞大的人口数量。     

基于灰色预测法的湖南农村居民人均消费研究

对2000—2010年湖南省农村居民人均实际消费进行分析的基础上利用灰色预测法对农村居民消费项目未来趋势进行预测;运用关联度分析方法确定反映农村居民消费水平的8项主要统计指标因素相对于消费支出的关联程度,对影响消费支出的主要指标因素进行系统分析,结果表明居住和食品是对湖南省农村居民生活消费支出影响最大的因子。     

房地产上市公司资本结构以及影响因素分析

文章首先从各个角度选取了可能影响企业资本结构的多个指标变量,利用因子分析提供的方法将变量综合成彼此互不相关的少数几个主成分。再用主成分（作为回归自变量）对企业资本负债比进行多元回归分析,得出了影响企业资本结构的主要因素,以及这些因素与企业资本结构之间的关系,为企业确定资本结构提供参考依据,为企业财务决策提供支持。     

ARIMA模型在广东工业指标预测中的应用

采用自回归移动平均模型ARIMA对广东省工业增加值进行动态分析。结果显示,ARIMA(1,1,0)×(1,1,0)12对于考察序列是适用的,达到了较好的模拟预测效果,可用于对广东省工业增加值的短期未来预测。     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中，利用时间序列分析方法，预测未来阶段的客流量，都取得了较好的效果。纵观以往的各种客流量预测，都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究，在此基础上，若将单日客流量划分为若干个时间节点，从微观层面将各节点客流量作为单位进行客流的分析预测，以此来预测下一时刻客流量的变化规律，由此可为地铁的预警提供依据。本研究以北京某地铁站两个圊一工作甘的客流量作为研究对象，以15分钟为单位进行时阐段的客流量采集，建立时阈序列，通过已知数据对下一时间点（15分钟内）客流量进行预测，并针对同一工作日的数据进行实证捡验。根据预测结果分析，验证了时闻序列分析在地铁短时客流量预测中应用可行性，以及得出了同一工作日利用同一模型进行预测分析的准确性。     

上海港与长江航运联动发展预测研究

应用多因紊动态分析法和灰色系统预测理论，对长江流域六省二市的航运联动发展进行了预测研究。通过建立灰色系统GM（1，1）模型和对进出口贸易值进行预测，可有效克服原始数据的离散性，再利用多因素动态分析法对外贸集装箱生成量进行预测，预测效果将会大大提高。文章选择外贸集装箱生成量和进出口贸易值这两个与江海联运发展水平密切相关的指标，对上海港与长江航运联动发展进行中短期的预测，并对预测的结论进行了分析。     

资产流动性因子与上市公司财务预警的实证研究——以主因子为中间变量的Logistic回归分析

因子分析与Logistic回归分析相结合更能提高财务失败预警模型的有效性。为了从资产流动性的角度研究上市公司财务失败的预警模型,备选了14个变量指标并进一步筛选出8个判别效果较高的原始变量,接着运用因子分析方法求取了主因子,再将4个流动性主因子作为自变量引入到Logistic回归模型当中去,运用Logistic回归分析建立了财务失败的预警模型,同时对模型的系数进行了解释,对模型的预测效果进行了检验,最后获得了有益的结论。     

径向基神经网络模型在人口老龄化预测中的应用——以湖南省为例

人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛应用。径向基函数神经网络（Radial Basis Function,RBF）因其网络学习速度较快且能避免局部极小值,预测值则更接近于真实值。针对湖南省老龄化突出的现状,以湖南省老龄化指数历史数据为基础,从经济水平、人口自然增长、社会保障三个方面构建湖南省老龄化的影响因子体系,用RBF神经网络方法建立了人口老龄化的定量预测模型。作为对比,同时用多元线性回归方法进行了预测,结果表明RBF神经网络预测模型精度更高,预测结果更加合理可靠。     

促性腺激素释放激素类似物联合重组人生长激素对大骨龄中枢性性早熟儿童身高的改善效果及其影响因素

目的 探讨促性腺激素释放激素类似物联合重组人生长激素对大骨龄中枢性性早熟儿童身高的改善效果及其影响因素。方法 选取2020年1月至2022年7月于南方医科大学顺德医院诊断为大骨龄中枢性性早熟儿童60例作为研究对象,随机分为对照组20例、A观察组19例、B观察组21例。对照组未进行任何治疗,A观察组单纯给予醋酸曲普瑞林治疗,B观察组采用醋酸曲普瑞林联合注射用重组人生长激素进行治疗。每3个月测量儿童身高,每6个月进行骨龄检查、性激素指标[血清黄体生成素（LH）、卵泡刺激素（FSH）、雌二醇（E2）]及骨代谢指标[血清Ⅰ型胶原羧基端肽β特殊序列（β-CTX）、N端骨钙素（N-MID)]检测,比较3组儿童治疗后身高净获值差异,采用单因素及多因素多元逐步Logistic回归分析法分析身高净获值的影响因素。结果 治疗后B观察组患儿身高净获值为（8.20±2.44）cm,A观察组为（4.42±1.60）cm,对照组为（2.12±0.90）cm,B观察组身高净获值明显高于A观察组和对照组（P<0.05）,A观察组明显高于对照组（P<0.05）。随访期结束后（GnRha激发试验60 min数...     

灰色GM（1,N）模型在广东海洋经济预测中的应用

本文选取六个影响海洋经济快速发展的生产和需求因素,应用灰色系统理论建立了广东海洋经济GM（1,N）预测模型,并选择了线性回归、三次指数平滑和灰色GM（1,1）三种不同模型对六个影响因素指标进行预测,从而提高了预测模型的可靠性,为海洋经济定量预测分析提供了一种有效方法。从预测结果看,模型具有较高的拟合精度。     

中国市场化利率形成机制的模型实证研究

本文从多个角度选取了可能影响市场化利率的多个变量,对市场化利率作协整建模分析.单位根检验结果表明,在样本期1993年第1季度至2004年第2季度内,我国宏观经济数据的非平稳性非常显著,选取的所有的时间序列季度数据均是含有一个单位根的非平稳序列.通过Granger 因果关系检验,找到了影响市场化利率的Granger原因.运用协整理论构建了市场化利率模型,从长期均衡方程看到主要影响市场化利率的因素分别为GDP、通胀因素(CPI)、汇率、货币供应量(M0,M1).从最终建立的短期动态误差修正模型各项评价指标来看,该模型具有良好的统计性质,从拟合值及预测值结果看具有较好的拟合及预测精度.因此,该模型对市场化利率预测与控制具有较好的参考作用.     

中小区域多单元人口发展预测——以南京市为例

中小区域人口预测是当前人口预测的难点问题.综合运用相关分析、回归分析和时间序列分析法,把时间和空间结合起来建立时空回归模型对南京市及其区县的人口发展进行预测.研究表明,南京市在2020年和2030年的户籍人口数分别为673万和727万人,常住人口分别为873万人和1027万人.在影响人口发展诸因素不完全确知的条件下,用多个相邻小区域目前几年的人口数量通过时空回归方法对未来年份的人口进行预测,是一项简便而有效的方法.     

多元回归分析在教育预测研究中的运用

利用教育统计年鉴和城市年鉴的数据，将教育微观发展维度一上海高校生均教育支出作为因变量。其他影响因素作为自变量，建立回归方程式，运用多元回归和逐步回归分析的方法，对上海地区未来几年内的高校生均教育支出情况加以预测。     

基于偏最小二乘回归分析法的汽车4S店客户满意度研究

客户满意度（CSI）始终是汽车销售企业最为关注的管理指标之一。采用偏最小二乘法回归分析的方法,可以就目前顾客满意度多项指标建立数学分析模型,从而建立良好的顾客满意度指数测评体系。通过该测评体系,汽车4S店可以回归分析和计算相关因数,得到顾客满意度相关指标的提升建议,进而优化和改进相关服务。     

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。     

试论回归分析预测法在经济预测中的应用

回归分析预测法是常用的经济预测方法之一,它是在观察和分析经济发展的历史和现状的基础上,按照一定的方式建立反映其关系的数学模型,然后根据自变量在未来的变化来计算预测变量的变化,从而对未来的经济发展趋势进行预测。其关键是建立回归模型,并进行相关分析和结果预测。