部分线性模型在贵州省公路货运周转量预测研究中的应用

该文结合贵州省的情况,选取出影响公路货运周转量的6个主要影响因素:地区生产总值、社会消费品零售总额、全部工业增加值、公路营运里程、铁路货运周转量、农副产品产值;然后运用主成分分析法,将影响因素进行降维处理,得到两个主成分;之后再将降维后的数据拟合部分线性模型,运用该模型对贵州省2013年的公路货运周转量进行预测,预测相对误差为5.45%,达到了良好的预测效果。     

石化行业上市公司财务危机预警研究

本文通过对选取的财务指标进行观察和总结,建立了我国石化行业上市公司危机前四个年度的多重截面的主成分分析预警模型。研究表明:企业的盈利能力以及现金流量状况对财务危机有显著性影响,危机发生前两年的主成分分析模型的预测准确率达到了82.5%,能有效地预测企业在下个年度是否会发生财务危机。     

基于主成分分析的中国化石能源供给研究

通过文献回顾提炼出对能源供给有重大影响的因素,基于中国1978-2011年的统计数据,利用主成分分析方法消除了各影响因素间的多重共线性,提取出两个主成分即经济发展水平和市场化水平,在此基础上进行回归分析,结果表明这两个因素对能源供给的影响作用也是显著的。最后为提高能源供给水平,缩小我国能源供需差距提供了相关建议和政策指导。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

河南省消费需求影响因素的主成分回归分析

国内消费是扩大内需,拉动经济增长的重要手段。本文运用2000-2012年河南省消费需求影响因素的时序数据,通过多元统计分析中的主成分分析法,构造出影响河南省消费需求的主成分,然后与因变量河南省人均消费支出进行回归分析,得到主成分回归,并对主成分展开定量与定性分析,提出改进之策,得出居民收入水平是消费需求的最重要的影响因素。     

上饶地区农民收入增长因素分析

农民收入增长的影响因素很多,且不同地区的影响因素也不同,选取中部地区长江流域的上饶地区为例选取了16个影响农民收入增长的解释变量,通过SPSS13.0和Eview3.1软件的主成分分析和回归分析建立回归模型进行预测,从实证分析的角度探讨了影响本地区农民收入增长的深层次原因以及突破瓶颈的路径选择。     

基于时序预测和主成分分析的电视剧热度研究

电视剧的热度是衡量电视剧质量水平的重要指标之一,在一定程度上反映了一个国家的文化软实力。在前人诸多研究基础上,利用自回归模型对收视率进行了时间序列预测,并对自回归模型进行了平滑滤波改进,实现了更好的预测性能。之后,对10个影响电视剧热度的因素进行了综合分析,并利用主成分分析的方法降低维度,最终得到了综合考虑各种因素的热度指标。利用新定义的热度指标对2017年电视剧进行排序,发现该指标与单一的收视率或播放量相比,确实更能反映出电视剧的综合影响力。     

基于PCA-SVM的港口集装箱吞吐量预测模型研究

从影响港口集装箱吞吐量的若干因素出发,本文依据主成分分析法和支持向量机回归法的基本原理,提出了一种基于主成分分析和支持向量机回归算法的建模预测方法。以连云港1999—2016年的统计数据为例,将该方法与指数平滑法、多元线性回归法及支持向量机回归法相结合,预测精度较高,最后利用主成分分析和支持向量机回归算法预测了2019—2020年的港口集装箱吞吐量,为港口决策提供重要依据。     

河北省城乡居民消费影响因素的主成分分析

运用2000—2013年河北省消费需求影响因素的时序数据,通过多元统计分析中的主成分分析法,构造出影响河北省城镇居民消费需求的主成分,并对主成分展开定量与定性分析,从而得出影响河北省居民消费的主要因素,并在此基础上提出提高居民消费的建议。     

改进的RBF神经网络对期货价格的预测分析

针对非线性变化的期货价格,建立了基于主成分分析的RBF神经网络模型。首先利用主成分分析法从8个原始变量中提取主成分,最后利用选定的3个主成分作为径向基神经网络的输入。通过对比,该方法较一般的径向基神经网络有更好的预测结果。     

基于人工神经网络的煤炭需求预测

煤炭是人类赖以生存的能源物质之一,有效地预测煤炭能源需求对于社会的发展有重要意义。BP神经网络预测模型具有自学习、自适应的特点,适合用于难于建立精确数学模型的系统。本文综合考虑影响煤炭需求的各个因素,通过改进的BP模型进行煤炭需求预测,并用MATLAB仿真实现,该预测结果有很好的适用价值。     

高速公路收购价值研究——基于非线性主成分分析和RBF神经网络预测模型

文章分析了高速公路价值评估的关键点在于交通量预测,在介绍非线性主成分分析及RBF神经网络模型预测高速公路车流量原理的基础上,通过湖南某高速公路实证分析得出该模型具有一定参考价值。     

基于主成分回归模型分析影响黑龙江省农民收入的主要因素

黑龙江省作为农业大省,农村居民人均纯收入高于全国水平,但是和一些发达城市相比,黑龙江省农民人均纯收入还处于相对较低的水平。本文运用计量经济的方法,采用主成分回归模型对影响黑龙江省农村居民人均纯收入的因素进行了分析,并提出了提高农民收入的建议。     

江苏商业区域发展影响因素分析

运用SPSS软件的主成分分析功能,分析江苏商业区域发展影响因素。结果表明:商业发展水平与经济要素相关显著,与商业空间集聚要素明显相关,与人口要素相关不显著。在江苏省商业发展水平分类的基础上,分析区域商业发展影响因素作用特点:经济发展主成分对全省商业的拉动作用强劲;商业空间集聚主成分对省辖市、区商业发展的拉动作用较强;人口主成分在省辖市域尺度上对商业发展的作用显著,在县(市)域尺度上的拉动作用不明显。     

中长期电力负荷预测理论研究

本文首先分析了电力负荷理论中的主成分回归理论与灰色预测理论,其次利用优选组合预测模型,形成中长期电力负荷预测理论模型。优选组合预测模型比主成分回归理论模型与灰色预测理论模型具有更高的精度。     

基于PCA的上市公司财务风险预测的实证研究

从上深证券交易所选取60家规模相近的上市公司,利用2010年的财务状况来预测2013年上市公司是否有财务危机出现,通过主成分分析并建立预测模型进行检验,实证研究发现:该预测模型在预测上市公司财务风险方面具有较高的精度,能够科学客观的对主成分进行赋权,并准确的反映上市公司的财务风险状况,其准确率达到了86.67%。基于主成分分析法的财务风险预测模型可以用于上市公司财务风险的预测和评价,对为管理层以及投资者提供决策具有很大的参考价值。     

财务报表对行业股票超额收益的预测分析——基于主成分分析与Probit模型

本文假设中国股票市场是弱式有效市场,将主成分分析和probit模型结合,以2009年水泥行业上市公司财务报表数据为例,建立和估计了股票超额收益的Probit预测模型,并且通过结合2010年2月至2011年2月股票的实际收益验证了模型的有效性,部分综合指标对股票收益具有显著的预测作用。     

中国地区能源消费差异及影响因素分析

文章根据中国大陆30个省市1985-2007年能源消费水平差异及特征,运用统计学中的聚类分析方法,把中国大陆30个省市能源消费状况划分为能源高消费区、能源中消费区和能源低消费区三个类型,三类地区能源消费差别显著.以此为依据利用面板数据计量模型对三类地区能源需求的影响因素进行分析,结果表明,影响三类地区能源需求的因素各不相同,各因素对三类地区能源需求影响差异明显.为了实现节能降耗的目标,三类地区应实行有差别的节能政策措施.     

商业银行盈利能力的影响因素及其变化分析——以工商银行为例

本文研究的内容是商业银行盈利的影响因素。首先,文章阐述了研究此问题的背景与意义,并在参考了一些文献的基础上,选取了一些具有代表性的影响因素。其次,以中国工商银行为例,采取2006-2015年的数据,并把时间分为两个阶段,通过主成分分析法建立模型,分析不同时间段影响商业银行盈利的主要因素的变化。最后根据模型求解的结果提出相应的建议与措施。     

财产保险公司偿付能力的实证分析

本文运用主成分分析法对财产保险公司偿付能力诸多影响因素进行实证分析,构建保险企业偿付能力评价指标体系,对8家财产保险公司的绩效进行主成分分析,并结合分层聚类法模型对主成分分析得到的结果进行分类,所得结果为保险监管部门和保险公司制定切实有效的管理策略,提供参考.