城市生活垃圾产量预测的PLSR模型

选取了城市生活垃圾产量的7个影响因素,采用本征值与病态指数检验法进行多重共线性进行诊断,说明在7个因素之间存在着严重的多重共线性,为了克服多重共线性导致的预测失真问题,运用偏最小二乘回归模型,以合肥城市垃圾产量为研究对象,按照交叉有效性的决策原则,建立了预测模型,所提取成分对X累计解释能力达到99.74%,对y的累计解释能力达到97.03%,具有较高的预测精度,该方法还可进一步应用到类似问题中。     

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。     

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.     

一种新的多元回归思路——因子与回归联合分析法

多元回归分析是一种重要的数据处理方法,变量的多重共线性诊断是回归分析的重要环节.针对传统的多元回归分析中变量间的多重共线性问题,提出一种新的求解多元回归问题的思路,该思路与传统方法相比具有明显的优势.     

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。     

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。     

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。     

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。     

中国GDP与建筑业总产值和服务业总产值的线性关系分析

本文通过建立多元线性回归模型,得出中国GDP与建筑业总产值和服务业总产值的线性回归方程,并检验线性回归方程及线性回归系数的显著性。发现建筑业总产值对应的回归系数不显著,究其原因是自变量之间存在多重共线性。然后利用主成分回归修正多重共线性得出新的回归方程,最终分析出中国建筑业和服务业对于拉动中国经济增长的具体作用。     

社会科学背景下因果推论的统计方法

如何根据非随机数据估计变量间的因果关系是社会科学研究中一个迫切的方法论问题。上世纪70年代,Rubin等人指出因果问题本质上是一个反事实的问题,认为某些统计方法可保证混淆变量和分组安排独立,并将这种方法推广到观察数据的分析中。倾向分数、工具变量和回归间断点是三种常用的方法,其中倾向分数居核心地位。以实际数据为例建立计算倾向分数的logistic模型,报告了模型的整体检验、预测变量的显著性检验和多重共线性检验、建立匹配组和分析结果报告。     

利用SPSS进行主成分回归分析

利用SPSS12.0forWindows的LinearRegression,FactorAnalysis和ComputeVariable等过程,结合线性回归和主成分分析的基本原理,介绍了多重共线性诊断、主成分回归分析过程和确定最佳方程的方法。     

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。     

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.     

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。     

对上证A股股票收益影响因素的实证分析

国内许多学者利用中国股票市场的数据对CAPM模型和FAMA模型进行了实证检验，但对于Aion Brav，Reuven Lehavy ＆ Roni Michaeiy在2005年提出修正后的FAMA模型，还鲜有人进行实证检验．为此，选取2004—2005年的国内股票市场数据进行了这一检验，并对模型进行了修正，以克服多重共线性和异方差性．     

岭回归方法和偏最小二乘回归方法在处理多重共线性问题的实例比较

文章介绍了处理多元线性回归模型中多重共线性问题的有偏回归方法——岭回归和偏最小二乘回归,并通过实例比较了两种方法建立的回归方程的拟合效果,而偏最小二乘回归方法相对岭回归方法要更优.     

关于小离差主成分在经济计量分析中的应用研究

本文分析了小离差主成分与线性回归的几何意义,研究了利用小离差主成分建立线性方程或方程组,解决经济计量模型中参数估计问题,并得到了比较满意的结果。这种方法还具有能确定多重共线性、计算相对拟合度、减少回归次数、综合利用样本资料信息等有点。     

线性回归中的的多重共线性

多元线性回归中自变量之间的多重共线性问题在我们实际运用中很容易产生,为了解决这个问题,常用的方法是最小二乘回归.本文以根据分析结果总结出最小二乘回归对解决这一问题的缺点的不足.而偏最小二秉回归法是最小二乘法的一种改进,在变量数目巨大的情况下,如果数据中变量的个数多,偏最小二乘回归的优点更能充分的显示出来     

基于人力资本视角的我国教育系统投入绩效分析

教育直接产出的实质主要是促进了人力资本存量的积累,因此,在教育系统的投入产出绩效分析中,以人力资本存量作为教育的直接产出变量是恰当而充分的.同时,鉴于教育主要投入变量间存在的多重相关性特征,采用偏最小二乘回归方法则能有效解决变量间的多重共线性问题.因循上述思路对我国教育系统整体投入绩效的研究表明,在1991-2008期间,政府财政性教育经费支出对人力资本形成的作用是相对最小的.据此,进一步对这一结果的理论原因和政策内涵进行了初步讨论.     

农村居民收入决定因素的实证研究

农民问题是三农问题的核心,而农民收入问题是农民最关心的问题,提高农民收入也是实现精准扶贫目标的关键。基于1983年至2012年的农业生产资料价格指数、农作物总播种面积、农用化肥施用折纯量、农业机械总动力等数据,运用主成分分析与回归分析相结合的方法对农民人均收入进行分析,以消除解释变量间的多重共线性,得出农资价格指数与农民人均收入负相关,农作物播种面积、农用机械、化肥施用量与农民人均收入正相关。因此得出进一步健全农业生产资料价格机制、加大农业补贴、提升农业现代化水平等政策启示。