浅析回归分析法在社会经济中的应用

统计学中回归分析法以科学理论为基础，预测社会经济现象未来发展趋势和自身演变趋势。为把握未来经济运行速度，提高经济管理水平，提供可靠的依据。     

数据拟合回归方法的探讨

建立回归方程进行分析预测,大多采用人们熟知的"最小二乘法"。但是"最小二乘法"有本质上的一个弱点,由于系数矩阵的病态性质:系数矩阵中的最大值相对很大,系数矩阵的行列式值相对较小,在求解方程时,系数中的微小变化可能导致结果不稳定,预测效果不佳甚至失真。本文另辟蹊径,与"最小二乘法"的拟合原则不同,我们是最小化误差绝对值中的最大值。该法克服了"最小二乘法"有时不稳定的缺陷,继而提高拟合精度,使预测效果更精确。     

探讨取土器锤击数确定粘性土地基承载力方法

本通过对大量粘性土取样锤击数及承载力标准值的统计，得出了取样锤击数与承载力标准值之间的线性回归方程，提出了一种以取样锤击数求承载力的方法。     

单因素资本资产定价模型在中国市场的应用研究

根据单因素资本资产定价模型（CAPM）模型，股票的β值与期望收益率呈正比例关系，β值为通常收益率的解释因素。本文从统计学角度阐述了模型和回归方程之间的关系，应用回归分析中的相关理论解决模型参数估计和模型检验等问题，并对一些统计指标作出有实际意义的解释。我们主要运用中国股市牛市期间和熊市期间的数据研究β值和未来30个交易日后的收益率之间的关系。实证结果表明，牛市期间收益率随β值的增大总体上呈现上升趋势，熊市期间收益率随β值的增大总体上呈现下降趋势。这说明β值是决定未来收益的一个风险因素，投资者可以依据β值对未来收益从而决定投资那只股票（组合）做出判断。但是两者的相关关系不强，后期线性趋势不好，因此投资时还要考虑其它一些风险因素，比如涨面／市值比、市盈率等等。     

济南房价影响因素研究及预测——基于灰色关联分析法、回归方程和多元线性回归分析的视角

通过对济南市历史房价数据和人口数量、人均可支配收入等相关因素数据的采集和分析,整理出了变量间的相关关系,建立对于济南地区未来房价走势的预测模型。通过灰色关联分析法建立模型1,得出历史价格与当前价格高度相关的结论;通过Excel进行数据回归分析,选择运用与房价数据拟合度较高的指数回归函数,建立基于人口变动的房价预测模型2;通过excel进行多元线行回归分析,得出回归方程,建立预测模型3。三个模型均检验了济南未来房价呈上涨趋势的假设成立,并对2018年1月~3月的具体房价进行了预测。     

回归分析法的工程实例应用分析

本文综合分析黄土湿陷性的各种影响因素,通过数据挖掘技术,利用因子分析法确定黄土湿陷性的四个主要因素,依次为干密度、含水率、孔隙比以及塑性指数,并对每个影响因子的影响程度做出评价。利用逐步回归分析法,求出黄土湿陷系数与多个因素之间的回归方程,分析各个因素与黄土湿陷性之间的关系。     

上市公司自愿性信息披露相关分析

本文确定了自愿性信息披露的衡量因素，选用79个变量作为影响自愿性信息披露的变量设置，利用SPSS软件对自愿性信息披露相关性的基础上，列示回归方程并作分析。     

对回归方程应用中一些问题的探讨

计量经济学已被越来越多地运用于资产评估的实务之中。但在对一些运用回归模型的评估案例分析之后,笔者发现一些回归方程本身存在着问题,从而导致最终评估结果的严重失真或误差较大。本文以《企业价值评估案例》一书中两个运用多元线性回归模型的案例为例,指出了回归方程在资产评估运用中存在的一些问题,并提出价值评估运用计量经济学方法时应注意的事项及应采取的步骤。