线性回归模型异方差的诊断与修正——基于EVIEWS软件的实例分析

文章通过实际案例分析,介绍了回归模型异方差性的诊断与修正的几种方法,并给出了如何结合EVIEWS软件实现异方差性的检验与消除的方法和程序。     

多元旋转自回归条件异方差模型的构建与应用研究——以九种人民币汇率波动为例

本文描述了新扩展的多元旋转自回归条件异方差(RARCH)模型与旋转条件相关(RCC)模型及其三种主要类型:Scalar、Diagonal和CP,说明了如何利用极大对数似然法进行参数估计,然后,以9种主要的人民币外汇汇率收益率序列为例,对这两个多元旋转自回归条件异方差模型进行了参数估计,并与OGARCH和GOGARCH模型进行了有效性比较。研究结果表明,在二元波动模型中,RARCH与RCC模型的拟合效果显著优于OGARCH与GOGARCH模型,而且,RCC模型受益于分步估计,可以首先得到各序列的边缘分布,再对动态波动的参数进行估计,因而其表现要好于RARCH模型;在多元波动模型中,CP类的RARCH与RCC模型的拟合效果稍劣于Diagonal类型,但所需估计的参数大幅度减少,这对于估计高维数据的动态波动非常有效。通过边缘Copula预测能力分解可以看出,RARCH和RCC与OGARCH及GOGARCH模型相比,在1步提前预测的联合似然值上,获得了统计显著的收益。     

风险价值量测算——条件异方差模型在金融预警中的应用

风险价值量VAR(value at risk）的测算方法对金融机构实时监测其风险资产的迫切要求来说是至关重要的，特别是随着巴塞尔银行风险监管委员会对风险价值评估方法的不断完善和对各签约国越来越紧迫的要求，各国金融机构开始逐渐将资产的风险监管系统建立在VAR方法的基础之上。本文使用广义的条件异方差GAR CH模型构造VAR的计算与检验，不仅给出了GAR CH在现代金融理论中的又一个应用，也为VAR的新计算方法探索了一条新路。     

基于多元线性回归分析的铁路旅客周转量预测研究

分析影响铁路旅客周转量的相关因素,以统计年鉴1994年至2012年数据为基础,运用多元线性回归预测法,结合二次平滑指数预测法,建立铁路旅客周转量与相关数据的预测模型,对2012年至2015年的铁路旅客周转量进行预测。结果表明,模型可以准确预测未来铁路旅客周转量,能够为决策者提供有价值的参考。     

基于多元线性回归模型的旅游消费实证分析

旅游业的飞速发展使得对旅游业进行量化分析成为一种需要.文章选取了1994-2007年的7项数据分析旅游消费的影响因素及其影响程度.利用Eviews软件对建立的多元线形回归模型进行测算,并时测算的数据进行分析得出结论.     

关于农村居民消费预测的线性回归模型

农村居民消费问题是当前金融危机形势下政府农村工作的重中之重,也是我国经济增长寻找新动力的所在。本文通过对农村人均消费及其相关因素的分析,建立了关于农村居民消费的多元线性回归模型。该模型能够较为准确的反映实际．具有一定的使用价值。     

基于多元线性回归模型的黑龙江省人口老龄化影响因素分析

本文从人口老龄化的影响因素出发,选择了8个影响人口老龄化的指标建立多元线性回归模型进行分析。分析结果得出,人口结构指标0-14岁人口数、15-64岁人口数、出生率和衡量人民生活水平的重要指标人均GDP是影响人口老龄化的重要因素。模型的预测准确度较高,将有利于准确地预测黑龙江省人口老龄化的发展趋势,为及时制定社会经济各个方面的应对政策提供可靠的依据。     

基于线性回归角度比较资产定价模型的价格预测功能——CAPM模型、Fama-French三因素模型及其扩展模型

本文运用线性回归的方法,选取了适当的统计量对当下运用最广泛的三个资产定价模型进行比较,这三个模型分别为CAPM模型、Fama-French三因素模型及其扩展模型。文章运用美国的基金数据来研究上述三个模型的价格预测功能,以及在线性回归下的拟线性的优劣。     

基于多元线性回归模型的甘肃农村居民收入增长分析

本文首先分析甘肃农村居民收入的影响因素,然后运用多元线性回归法,对2000-2012年甘肃农村居民收入增长的来源进行分析,得出最优模型,为分析甘肃农民收入增长趋势提供了有力的工具,同时为甘肃农村地区经济发展制定措施提供了参考建议。     

多元线性回归分析中自变量的筛选

回归分析是统计学的重要方法,本文以国民生产总值,即GDP预测模型的构建为例,阐述多元线性分析中自变量筛选的技巧与方法。     

山西省综合配套试验改革背景下科技人才需求预测研究

依据山西省科技人才相关资料和数据,在分析科技人才队伍建设现状的基础上,运用GM(1,1)灰色预测模型、多元回归预测模型和趋势外推法,对山西省2011-2015年科技人才需求总量和需求结构进行预测,然后运用组合预测法对预测结果进行修正,并对预测结果进行分析,以便为山西省人才规划与决策提供科学的理论参考。     

基于组合模型的股票预测研究综述

随着金融业数据环境的日益复杂,利用传统单一模型进行高精度股价预测变得愈加困难。面对日益突出的股票分析技术需求,组合预测模型开始得到发展并取得了很多成果。首先介绍影响股价波动的分析指标,概括基于传统统计预测模型、机器学习、神经网络等单一预测模型在股票预测中的优势与不足。然后依据组合预测模型的组合形式,将其分为线性模型的组合、非线性模型的组合以及线性与非线性模型的组合3种类型,并报告多种组合模型的实际应用与研究现状。最后,对组合模型股票预测方法的有效性和稳定性进行展望。     

基于计量经济学模型的福建省旅游收入影响因素分析

旅游业收入在整个福建省国民经济收入中占据越来越重要的地位。基于计量经济学模型,收集了2007—2017年间福建省旅游相关数据,并以福建省国内旅游收入为因变量,选取福建省接待国内旅游人数、来自国内游客人均消费、福建省居民消费价格指数、福建省公路通车里程和A级景区个数作为相应解释变量进行多元线性回归,继而检验参数,并进行逐步回归修正,最后得出结论:福建省接待的国内旅游人数和国内人均消费以及福建省居民消费价格指数是影响福建省国内旅游收入最主要的因素,并基于此提出福建省提高旅游收入的建议措施。     

基于案例推理的非常规突发事件资源需求预测

近年来非常规突发事件频繁发生,严重危害了人民的生命财产安全,而如何及时预测灾害发生后的资源需求成为一个重要课题。文章提出了一种精确的预测方法,将模糊集理论,神经网络Hebb学习规则和多元线性回归与案例推理法相结合。这种方法很好地解决了非常规突发事件资源需求预测这类信息不完备、不精确问题,能够比较准确的作出资源的需求预测。该模型对灾害资源需求预测具有一定的参考价值。     

一种对指数增长年度用电量的组合预测方法

为有效预测呈指数增长的年度用电量,本文选用了指数函数法、GM(1,1)灰色模型和多元线性回归模型来对年度用电量进行拟合外推预测。通过运用这些方法预测北京年度用电量和对预测结果进行比较分析得到,GM(1,1)灰色模型的实际预测结果往往偏大,指数函数法预测结果可能偏小,而多元线性回归模型虽然考虑了其他因素影响但在实际预测指数增长负荷时参考意义较小。因此,最终选择合适的权重加权组合以上模型得到最终预测值,预测精度较高。     

Analysis on the Forecasting Demand of Front-line Worker

The importance of personnel forecast is pointed out in this paper, and also the author expounds comparative analysis through instances among several methods of personnel forecast.     

基于灰色系统模型的达州市农业经济预测

以灰色系统理论为基础对达州农业总产值和相关产业进行灰色关联分析,建立了达州市农业经济的GM(1,1)预测模型,对达州近几年农业经济产值进行预测,与真实值进行对比结果表明,运用灰色系统模型的方法对达州农业经济产值的预测与实际比较接近,最后结合本文对达州市农业经济发展提出了若干政策建议。     

组合预测模型在我国旅游业预测中的应用

文章首先选取Holt-Winters非季节指数平滑模型、自回归分布滞后模型以及局部多项式回归模型对中国1978-2011年的国际旅游外汇收入进行定量分析,随后基于预测误差平方和最小方法构造组合预测模型,研究结果表明组合预测模型的精度明显优于单项预测模型。     

多元线性回归模型在房地产评估中的应用

主要通过多元线性回归统计模型对房地产的价格进行评估。首先运用统计软件中的SPSS进行线性回归分析建立房地产评估的多元线性回归预测模型,同时对该预测模型进行显著性检验,并进行残差分析检验和异方差性检验,使得该模型具有解决实际问题的意义。最后,说明多元线性回归模型对于房地产评估的实用性。     

Exchange Rate Forecasting: Results from a Threshold Autoregressive Model

Structural models of exchange rate determination rarely forecast the exchange rate more accurately than a naive random walk model. Recent innovations in exchange rate modeling indicate that changes in the exchange rate may follow a self-exciting threshold autoregressive model (SETAR). We estimate a SETAR model for various monthly US dollar exchange rates and generate forecasts for the estimated models. We find: (1) nonlinearities in the data not uncovered by the standard nonlinearity tests and (2) that the SETAR model produces better forecasts than the naive random walk model.