基于ANCOVA模型的中国沿海化学品船期租水平运价指数及波动研究

通过对中国沿海化学品航运市场三种主要船型船舶运价走势作跟踪分析,建立化学品船航运市场动态预测模型.运用市场变化规律,利用计量经济学就市场各载重吨船型期租水平曲线进行分析以描述市场,并利用变量相关航运市场景气程度的相关关系,应用变量间多元回归模型对实际船舶运营期租水平进行解释,以及回归方程进行敏感性分析,进而优化模型,得到市场化学品船期租水平与各市场变量的系数关系及中国沿海化学品船航运市场的系统性趋势,提出中国沿海化学品船期租水平运价指数概念,为主流船型化学品船远期期租水平指数的远期交易、套期保值等操作做初步研究.     

基于小波神经网络的中国能源需求预测模型

通过分析影响我国能源需求的主要因素,建立了基于小波神经网络的需求预测模型.采用定性与定量相结合的方式,分析了影响我国能源需求的主要因素,通过将人口总数、GDP、产业结构变化以及能源消费量的一阶滞后作为输入变量,建立基于小波神经网络的我国能源需求非线性预测模型.实验结果表明,该非线性预测模型与多元回归模型相比更加合理,具有更高的预测精度.     

农业现代化视阈下基于SPSS多元回归分析的全国农业总产值主要影响因素探究

随着我国城镇化的快速发展,大批农业劳动力向城市转移,农业总产值及其主要影响因素的研究已经成为热点问题.为研究我国农业总产值的主要影响因素,本文借助多元回归分析的相关理论抽取了2016年我国农业投入的31个省市的相关截面数据,采用最小二乘法,利用SPSS软件进行多元回归分析,得到回归模型,并基于该模型找出我国农业总产值的主要影响因素.     

中国福利彩票销售额影响因素分析与基于残差主成分分析的预测

本文应用多元回归分析的方法讨论了中国各省份福利彩票销售额与国民经济、就业人员和职工工资、财政、固定资产投资、人民生活这五个大类中的22个预测变量之间的相关关系,找出了对彩票销售额有显著性影响的变量,此外我们发现,不同年份的数据所得到的残差存在强相关性,本文利用主成分分析的观点提取出了不同年份残差中的公共信息,最后得出彩票销售额的预测方程,利用上述方程对2007年各省份的彩票销售额进行预测,并与真实的销售额数据进行对比,获得了较小的平均相对预报误差.这说明本文所建立的模型确实可以对中国的福利彩票销售额进行有效的预测.     

我国上市公司资本结构影响因素实证分析

本文选取了可能影响企业资本结构的多个指标变量进行分析 ,利用主成分分析提供的方法将变量综合成彼此互不相关的少数几个主成分。再用主成分 (作为回归自变量 )对企业的 5种资本负债比 (作为回归因变量 )进行多元回归分析 ,得出了影响企业资本结构的主要因素 ,以及这些因素与企业资本结构之间的关系 ,为企业确定资本结构提供参考依据 ,为企业财务决策提供支持。     

基于Shapley值的壳资源溢价影响因素的实证研究

本文选取了我国1997-2003年证券市场上符合买壳上市条件的63家目标企业作为样本,对影响买壳上市溢价因素进行了理论分析和实证检验。论文基于合作博弈理论Shapley值分担法建立了多元回归模型以解决多重共线性变量产生偏倚性和负的多重性问题。研究显示:上市公司"壳"资源的溢价比率与每股净资产、资产负债率、货币性资产占总资产比率、市净率、股权集中度、净资产收益率等变量之间存在着显著的相关性。     

化学品市场主船型期租水平运价指数研究及预测

通过对化学品航运市场主流船型船舶营运情况作跟踪分析,建立化学品船航运市场动态预测模型.并运用市场变化规律,利用计量经济学对市场单位载重吨期租水平曲线进行时间序列自回归平稳处理,并利用变量相关航运市场景气程度的相关关系,应用系统动力学进行变量间多元回归模型中对实际船舶运营期租水平进行解释,对回归方程进行敏感性分析,优化模型,得到市场化学品船期租水平与各市场变量的系数关系,并针对化学品船航运市场的系统性风险对回归方程进行修正,提出市场主流船型化学品船期租水平运价指数概念,为主流船型化学品船远期期租水平指数的远期交易、套期保值等操作作初步研究.     

基于多步预测误差的自相关过程统计质量控制

研究了采用多步预测误差构造多变量控制图对自相关过程进行统计质量监控的问题。建立了基于多步预测误差的Hotelling T~2和MEWMA控制图模型,通过仿真分析对这种多变量控制图方法与以往的单变量控制图方法在监控自相关过程时的运行长度进行比对,用以评价控制图的效率.最后通过一个简单的算例说明该方法的使用。     

基于协变量缺失的Horvitz-Thompson加权分位回归估计方法

含有协变量缺失的数据缺失问题是现代统计分析中的热点之一.当缺失数据中同时存在厚尾,偏斜和异方差问题时则更加难以处理.为此,本文提出一种逆概率加权分位回归估计来研究响应和协变量之间的关系.与经典估计方法相比具有明显优势,一方面,该估计量使用了所有可用的数据,并且允许缺失的协变量与响应高度相关;另一方面,该估计量在所有分位数水平上满足一致性和渐近正态性.通过模拟验证了该方法的在有限样本下的有效性,进一步将该方法推广到线性多元回归模型和非参数回归模型.     

分位数回归在医疗消费影响因素研究中的应用

基于分位数回归及其变量选择模型,利用2011年中国健康与营养调查数据(CHNS)实证分析了医疗消费的影响因素.通过Lasso方法从多个影响因素中选取出了对医疗消费影响较大的因素,发现个人收入、年龄、受教育程度、患病程度和地区变量对医疗消费的影响较大,通过分位数回归模型,对影响医疗消费诸因素的作用方式与程度进行了研究.     

预测地区公民旅游消费额的L.R—L.P模型

如何对地区公民旅游消费总额进行预测 ,是经济工作者及相关行业关注的问题 .本文用模糊系统分析的方法 ,建立一个地区的 L.R— L.P模型 ,利用模型的参数进行预测 ,提供一种辅助方法 .     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.     

Time aggregation effect on the correlation coefficient: added-systematically sampled framework

The aggregation of financial and economic time series occurs in a number of ways. Temporal aggregation or systematic sampling is the commonly used approach. In this paper, we investigate the time interval effect of multiple regression models in which the variables are additive or systematically sampled. The correlation coefficient changes with the selected time interval when one is additive and the other is systematically sampled. It is shown that the squared correlation coefficient decreases monotonically as the differencing interval increases, approaching zero in the limit. When two random variables are both added or systematically sampled, the correlation coefficient is invariant with time and equal to the one-period values. We find that the partial regression and correlation coefficients between two additive or systematically sampled variables approach one-period values as n increases. When one of the variables is systematically sampled, they will approach zero in the limit. The time interval for the association analyses between variables is not selected arbitrarily or the statistical results are likely affected.     

我国人口时间序列的变系数预测模型

根据1952-2005年我国人口总量和GDP总量数据,建立变系数模型.采用逐步回归的方法来选择显著滞后变量子集,推导出系数函数的样条估计表达式,最后运用Bootstrap思想,进行点预测和区间预测。运算结果表明:对于该组数据,变系数模型能较理想地描述数据之间的内在结构,且具有较少的预测误差.     

Multivariate regression estimates for finite populations

The theory on regression estimate based on one auxiliary variable has been extended to that for more than one auxiliary variable. It has been found that the multivariate regression estimate (MRE) is not unbiased in general. The form of the approximate standard error of MRE is the same as that of simple regression estimate based on one auxiliary variable with the exception that the multiple correlation coefficient replaces the total correlation coefficient in the expression. It has also been found that the precision of MRE is non-decreasing, rather usually increasing as the number of auxiliary variables correlated with the dependent variable increases, assuming sample size to be large compared to the number of auxiliary variables.     

Lag weighted lasso for time series model

The adaptive lasso can consistently identify the true model in regression model. However, the adaptive lasso cannot account for lag effects, which are essential for a time series model. Consequently, the adaptive lasso can not reflect certain properties of a time series model. To improve the forecast accuracy of a time series model, we propose a lag weighted lasso. The lag weighted lasso imposes different penalties on each coefficient based on weights that reflect not only the coefficients size but also the lag effects. Simulation studies and a real example show that the proposed method is superior to both the lasso and the adaptive lasso in forecast accuracy.     

基于Fuzzy-Grey关联分析的信息资源聚焦的数学模型

本文运用饱和信息维的增减技术对信息获取子空间进行结构上的剖分,用饱和信息维列作为因子列来构造灰色关联空间,将灰色理论中的关联分析用于模糊综合评判模型,用灰色关联系数来替代隶属度,用关联序来描述信息之间的相关联程度,得到信息资源聚焦的一种新的数学模型。     

线性模型回归系数EB估计的一致收敛速度

利用多元密度函数及其导数的核估计方法，建立了多元线性模型回归系数的经验Ｂａｙｅｓ估计，并给出了这种估计的一致收敛速度。     

中国收入分配差距预测的GM(1,1)模型

基尼系数是现行较为通用的衡量一国收入分配差距的指标,利用灰色系统中的GM(1,1)预测模型,建立起对我国收入分配差距的预测模型,得到2005年基尼系数的预测值0.471,进而建立精度更高的新陈代谢模型,得到2006—2010年的基尼系数预测值,结果表明到2010年,基尼系数有可能临近0.5,基尼系数依然是攀升的,从而分配差距的扩大趋势依未改变,但增长幅度缓慢而平稳,这为当前及今后几年经济发展和调节收入分配差距的政策制定提供了一定的参考.     

PLS classification of functional data

Partial least squares (PLS) approach is proposed for linear discriminant analysis (LDA) when predictors are data of functional type (curves). Based on the equivalence between LDA and the multiple linear regression (binary response) and LDA and the canonical correlation analysis (more than two groups), the PLS regression on functional data is used to estimate the discriminant coefficient functions. A simulation study as well as an application to kneading data compare the PLS model results with those given by other methods.