农业投入产出变量的主成分回归分析模型

运用主成分回归分析方法,建立了关于我国农业投入产出诸变量的回归模型,同时消除了多重共线性,并且模型都达到了很高的拟合优度,体现了主成分回归分析在消除回归模型中的多重共线性的优越性.研究具有一定的实际意义,可用于对农业产出进行预测及控制.     

江苏省建筑业增长预测及实证分析(英文)

为了把握江苏省建筑业的发展轨迹, 提出了其增长预测的多元线性回归模型. 选择影响江苏省建筑业增长的5个因素, 即建筑业固定资产K、地区生产总值GDP、房地产增加值REAV、建筑业对外输出WS和建筑安装工程投资JA作为解释变量, 使用主成分分析解决其多重共线性问题. 再选定建筑业增加值lnCAV作为被解释变量, 建立江苏省建筑业增长模型, 并用1990～2008年的统计数据检验模型预测精度. 预测结果表明: 2009～2012年江苏建筑业增加值的平均增长率将为17.65%, 同期GDP的增长率为14.16%, 江苏省建筑业未来增速快于GDP增速. 建筑业产值占GDP比重持续上升, 其支柱地位将逐步加强.     

多重共线性的检验及对预测目标影响程度的定量分析

多重共线性是多元回归分析中一类比较复杂的问题．由于它的存在,会削弱回归系数估计值的准确性和稳定性,从而给经济分析和预测带来很大的误差．文中结合在预测实践中所遇到的一些问题,论述了多重共线性的检验和校正方法及其对预测目标影响程度的定量分析．     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

多重共线性的因子判别法

在多无线性回归经济计量模型中,对解释变量的多重共线性的检验目前主要是应用回归分析的方法加以处理,本文则应用因子分析法,通过分析论证解释变量的相关性与公共因子之间的内在联系,给出了检验多重共线性的一种非回归处理法——因子向量均衡载荷判别法。     

对多重共线性的分析及其补救措施

多重共线性通常指不完全多重共线性。当两个或多个自变量之间具有很强的（但不是完全的）线性函数关系，并且这种线性关系已经显著地影响方程的估计时，就可能会产生严重的后果。本文对多重共线性进行了较为深入的分析，并提出了相应的补救措施。     

城市生活垃圾产量的组合预测

引入一种新的预测垃圾产量的方法——组合预测方法,该法能够综合利用不同预测方法提供的信息提高预测精度。结合厦门市1996～2008年的垃圾产量,分析不同预测方法的预测精度,并预测5年后的垃圾产量。通过研究发现:单一预测模型中,线性回归法和年增长率法的预测结果偏小,误差较大,灰色理论GM(1,1)的预测结果偏大,误差较小,基本在10%以内;组合预测模型的预测精度高于单一预测模型;厦门市城市生活垃圾年平均增长率约为10%,低于国民生产总值和社会消费品零售总额年平均增长率,高于城镇居民消费性支出年平均增长率。     

我国农村居民消费影响因素的主成分回归分析

利用我国农村居民消费有关数据,首先用主成分方法进行降维,并且同时消除解释变量之间的多重共线性,然后对农村居民人均消费支出与农村居民人均纯收入、人均储蓄存款、人均GDP和消费价格指数这四个影响因素进行主成分回归分析.实证分析结果表明,四个影响因素均对农村居民消费需求有显著影响,对模型进一步分析得出,近几年来我国消费迅速上升背后最大推动力竟然是物价的持续上涨,而不是居民消费动力有很大提高,最后对实证结果给予合理的经济解释.     

基于岭回归的我国农村居民消费实证研究

近年来,我国农村消费需求成为一个研究的热点问题。文章为了消除解释变量之间的多重共线性的影响,对农村居民人均消费支出与农村居民人均纯收入、人均储蓄存款、人均GDP和消费价格指数这四个影响因素进行岭回归分析。实证分析结果表明,四个影响因素均对农村居民消费需求有显著影响,对模型进一步分析得出,我国近年来消费快速上升背后最大推动力竟然是物价的持续上涨,而不是居民消费动力有很大提高,最后对实证结果给予合理的经济解释。     

回归模型与VEC模型在旅游业的应用研究

根据多元线性回归模型理论,摘取安徽省近些年旅游业相关原始数据进行相关性分析,给出了多重因素下的线性回归模型,并对模型进行优化,修复了严重共线性。进一步,运用VEC模型预测安徽省旅游业的发展前景,为安徽省的旅游发展和规划提供参考。     

厨余垃圾合成生物塑料（PHA）综合研究型实验设计

围绕当前我国厨余垃圾分类和“限塑令”两个政策热点,设计了厨余垃圾合成生物塑料（PHA）综合研究型实验。该实验针对厨余垃圾低温热水解制备液态碳源和利用碳源合成PHA两个过程,开展影响因素考察和性能优化研究。实验结果表明,当厨余垃圾自然储存1d时,利用低温热水解制备的碳源中COD约为80 g/L,其中有机酸总浓度达到16 g/L,乳酸和丙酸为有机酸的主要成分;液态碳源中乳酸含量越高,污泥中合成PHA产量越高,当乳酸含量为40%时,PHA含量达到34.9%。该实验以直观、生动的方式引导学生开展厨余垃圾收集、储存和转化利用等连贯实验操作,有助于培养学生对厨余垃圾资源化这一复杂环境工程问题的分析与解决能力。     

教育与心理统计中多重共线性问题及其处理

多元线性回归分析中,自变量之间是相互独立的。在教育与心理领域中,往往不能满足此要求,而出现多重共线性问题。本文主要阐述了多重共线性的涵义、危害、诊断和处理,最后结合实例分析说明如何运用偏最小二乘回归法解决教育和心理统计中的多重共线性问题。     

用多元统计分析对国有单位职工工资进行建模和预测

本文采用多元统计分析对全国国有单位职工工资总额进行回归分析。建立了多元回归模型,用岭回归处理了多重共线性,并对模型进行了经济学检验和统计学检验。运用模型对全国国有单位职工工资总额进行分析,得到了影响工资总额的重要因素;同时基于建立的模型对国有职工平均工资进行了外推预测。预测结果表明,到2020年,国有职工工资年收入大约在5．8万元左右。其研究结果可以为政府决策者和企业管理者提供工资管理定量依据。     

我国全体居民消费水平的动态分析基于 1953-2011 年时间序列数 据

消费水平是居民幸福生活的一项重要指标,全体居民消费水平往往受到许多因素影响。将居民消费水平作为被解释变量。根据经验引入就业人员平均工资、居民人民币储蓄存款年底余额、人均GDP、人口数四个因素,通过做回归分析对异方差性、多重共线性等方面进行探讨,发现全体居民消费水平受人均GDP、就业人员平均工资和总人口数的影响相对显著,而受居民人民币储蓄存款年底余额的影响相对较弱。     

河南省经济增长多因素实证分析

文章利用资本、劳动力、制度因素和产业结构四个变量作为影响河南省经济增长的主要因素进行多元回归的实证分析。主成分分析方法的利用既消除了多重共线性又达到降维的目的,简化了模型。简化后的模型通过Chow分割点检验,表明河南省自改革开放后市场经济体制的逐步建立使经济关系不断调整,这种调整具有连贯性和持续性,同时也得到了各影响因素的弹性系数和对经济增长的贡献率。     

对高等教育发展水平的预测

对高等教育发展水平的预测可以采用时间序列分析法和因果关系分析法,在研究层次上有国家和区域两个层次.至2020年我国高等教育毛入学率将可能达到40%,年均增长率达到7%左右.从发展理念和发展政策的选择可以解释对高等教育发展水平预测的偏差.     

重庆市大健康产业人才需求回归预测模型的构建研究——基于主成分分析法的视角

发展大健康产业是践行“以人民为中心”理念的最好体现,随着重庆市老年化社会越来越突出,由此产生的对大健康产业人才需求也就越来越受人们的关注。在考虑专家的意见和数据的获得性,选取了宏观经济因素、社会环境因素、对外经济因素3类共20个指标因素,依据2013—2020年的数据,构建基于重庆市大健康产业各类卫生技术人员数量和整个指标体系因素之间的回归模型。在具体分析中,由于多个指标之间存在多重共线性关系,为保留尽可能多的指标因素,采用主成分进行降维处理,解决共线性问题,提取1个公因子,并利用公因子构建一元线性回归预测模型。同时,通过对整体指标体系之间的未来值的预测代入回归预测模型,进而进行2021—2027年重庆市大健康产业人才需求的预测。研究发现,和重庆市大健康产业各类卫生人才以及管理人员数目的实际值进行比较,回归预测模型具有较好的预测结果。     

对高等教育发展水平的预测

对高等教育发展水平的预测可以采用时间序列分析法和因果关系分析法,在研究层次上有国家和区域两个层次。至2020年我国高等教育毛入学率将可能达到40%,年均增长率达到7%左右。从发展理念和发展政策的选择可以解释对高等教育发展水平预测的偏差。     

基于 LRF 方法的在线短租房源价格特征选择研究

为解决单一特征选择方法的局限性问题,提出 Lasso-RF（LRF）混合特征选择方法,并应用于在线短租房源价格问题研究。基于 Airbnb 房源数据,实验首先通过 Lasso 回归进行特征选择,处理特征之间的多重共线性|然后采用随机森林算法精选剩余特征,最终得到 35 个重要特征,并带入 4 个预测模型中进行比较。结果表明,特征之间的多重共线性会影响随机森林算法对特征重要度的度量|LRF-RF 预测模型与 RF-RF 预测模型相比,评价指标 R2 和 MSE 分别提高了 0.005、0.006,同时运行时间缩短 0.267 秒,表明 LRF 混合特征选择方法优于单一的 RF 特征选择方法。     

对城市生活垃圾清运量的多元线性回归预测

本文对城市生活垃圾清运量及组分的影响因素进行分析,运用灰色关联度分析方法确定城市生活垃圾清运量及组分与其影响因素的关联性,判断城市生活垃圾的主要影响因素,建立能满足城市生活垃圾清运量及组分预测要求的多元线性回归预测模型。