本文關(guān)鍵詞：省級行政區(qū)人均GDP與其他經(jīng)濟(jì)指標(biāo)相關(guān)性研究

  更多相關(guān)文章： 人均GDP 回歸分析 殘差分析 變量選擇 多重共線性

【摘要】：本文使用回歸分析方法,研究了人均GDP與相關(guān)經(jīng)濟(jì)指標(biāo)之間的相關(guān)關(guān)系。本文使用開源的R語言作為實(shí)現(xiàn)統(tǒng)計(jì)計(jì)算的語言。為了得出人均GDP與其他經(jīng)濟(jì)指標(biāo)之間的聯(lián)系,首先選擇11個常用的經(jīng)濟(jì)變量。在進(jìn)行正式的回歸分析之前,首先使用多元分析方法中的主成分分析進(jìn)行初步的探索性數(shù)據(jù)分析,發(fā)現(xiàn)用3個主成分就可以解釋99%的變量,說明在進(jìn)行回歸分析前有必要進(jìn)行變量選擇。在變量選擇的方法中,使用最全面的逐步回歸方法,通過AIC,篩選出5個回歸變量,進(jìn)行回歸分析研究,并得出了初步的回歸模型后。得出回歸模型后,進(jìn)行殘差分析,通過對比殘差分析的QQ圖,發(fā)現(xiàn)變量存在異方差,需要對自變量或因變量進(jìn)行變換,或者使用加權(quán)最小二乘方法,本文使用Box-Cox變換對因變量進(jìn)行了冪變換。變換后得出了第二個模型,發(fā)現(xiàn)5個回歸系數(shù)中有2個與經(jīng)濟(jì)解釋相反,結(jié)合多元分析的結(jié)果,高度懷疑存在多重共線性。通過驗(yàn)證VIF,發(fā)現(xiàn)有2個響應(yīng)變量的VIF超過10,說明確實(shí)存在多重共線性。為了消除多重共線性,使用嶺回歸的方法,采用有偏的但方差較小的嶺估計(jì)量,選擇出最優(yōu)的偏倚系數(shù),清除了多重共線性的影響,所有回歸系數(shù)的正負(fù)號均符合經(jīng)濟(jì)意義。最后得出結(jié)論,人均GDP與四個指標(biāo)有正相關(guān)關(guān)系,與一個指標(biāo)有負(fù)相關(guān)關(guān)系。
【關(guān)鍵詞】：人均GDP 回歸分析 殘差分析 變量選擇 多重共線性
【學(xué)位授予單位】：天津財(cái)經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F124
【目錄】：

• 內(nèi)容摘要5-6
• Abstract6-10
• 第1章 緒論10-14
• 1.1 研究意義與背景10
• 1.2 研究對象：人均GDP10-13
• 1.2.1 我國區(qū)域之間比較11-12
• 1.2.2 各省份之間比較12
• 1.2.3 按美元進(jìn)行比較12-13
• 1.3 創(chuàng)新之處13-14
• 第2章 相關(guān)理論14-23
• 2.1 回歸分析14-17
• 2.2 主成分分析(不區(qū)分自變量與因變量)17-23
• 2.2.1 主成分分析簡介17-18
• 2.2.2 主成分分析的數(shù)學(xué)定義18-19
• 2.2.3 進(jìn)一步討論19
• 2.2.4 R語言實(shí)現(xiàn)19-23
• 第3章 實(shí)證分析23-32
• 3.1 數(shù)據(jù)來源23
• 3.2 實(shí)證分析方法：逐步回歸23-32
• 3.2.1 向前選擇23-24
• 3.2.2 向后剔除24
• 3.2.3 逐步回歸24-25
• 3.2.4 對逐步型程序的總體評論25
• 3.2.5 逐步程序的停止規(guī)則25-26
• 3.2.6 赤池信息準(zhǔn)則與貝葉斯信息準(zhǔn)則26-27
• 3.2.7 R語言實(shí)現(xiàn)27-32
• 第4章 實(shí)證分析結(jié)果的進(jìn)一步討論Ⅰ：殘差分析32-41
• 4.1 殘差32-36
• 4.1.1 標(biāo)準(zhǔn)化殘差33
• 4.1.2 學(xué)生化殘差33-34
• 4.1.3 標(biāo)準(zhǔn)化殘差圖34-35
• 4.1.4 學(xué)生化殘差圖35-36
• 4.2 Box-Cox變換36-41
• 4.2.1 計(jì)算程序37-38
• 4.2.2 λ的近似置信區(qū)間38-39
• 4.2.3 R語言實(shí)現(xiàn)39-41
• 第5章 實(shí)證分析結(jié)果的進(jìn)一步討論Ⅱ：多重共線性檢驗(yàn)41-49
• 5.1 多重共線性41-44
• 5.1.1 來源41-42
• 5.1.2 影響42-44
• 5.2 方差膨脹因子44-45
• 5.3 嶺回歸45-49
• 第6章 結(jié)論49-50
• 6.1 分析結(jié)果49
• 6.2 結(jié)論49-50
• 參考文獻(xiàn)50-52

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓存;毛劍芬;;多重共線性問題及其補(bǔ)救措施[J];統(tǒng)計(jì)與決策;2008年09期

2 趙松山,白雪梅;關(guān)于多重共線性檢驗(yàn)方法的研究[J];中國煤炭經(jīng)濟(jì)學(xué)院學(xué)報;2001年04期

3 趙松山;對多重共線性的深入思考[J];當(dāng)代財(cái)經(jīng);2003年06期

4 錢曉莉;基于特征值的多重共線性處理方法[J];統(tǒng)計(jì)與決策;2004年10期

5 陳玲燕;;多重共線性下的線性回歸方法綜述[J];市場研究;2008年04期

6 劉瓊;;多重共線性的程序選優(yōu)法[J];商場現(xiàn)代化;2008年32期

7 葉天勇;多重共線性的檢驗(yàn)及校正方法[J];統(tǒng)計(jì)與決策;1987年Z1期

8 師應(yīng)來;多重共線性問題探討[J];統(tǒng)計(jì)與決策;1994年05期

9 張言彩;韓玉啟;;多重共線性與最大熵羅汶估計(jì)模型[J];統(tǒng)計(jì)與決策;2007年20期

10 李從欣;張?jiān)偕?李國柱;;解決多重共線性的新思路:路徑分析[J];統(tǒng)計(jì)與決策;2013年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 趙明清;張靖;;基于粗糙集理論的多重共線性檢驗(yàn)和處理[A];中國企業(yè)運(yùn)籌學(xué)[C];2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張興龍;人工興安落葉松樹皮厚度變化規(guī)律的研究[D];東北林業(yè)大學(xué);2015年

2 謝賢斌;多變數(shù)超飽和模型回歸分析的重復(fù)篩選新方法[D];揚(yáng)州大學(xué);2015年

3 孫聰;我國居民收入和消費(fèi)的統(tǒng)計(jì)分析[D];重慶大學(xué);2015年

4 王辰勇;省級行政區(qū)人均GDP與其他經(jīng)濟(jì)指標(biāo)相關(guān)性研究[D];天津財(cái)經(jīng)大學(xué);2015年

5 李娜;服務(wù)質(zhì)量模型的再研究[D];天津財(cái)經(jīng)大學(xué);2009年

6 劉紅衛(wèi);線性回歸模型中多重共線性問題的應(yīng)對策略及其幾點(diǎn)改進(jìn)[D];西南交通大學(xué);2006年

7 于曉牧;logistic回歸多重共線性診斷方法的研究[D];大連醫(yī)科大學(xué);2010年

8 張鳳蓮;多元線性回歸中多重共線性問題的解決辦法探討[D];華南理工大學(xué);2010年

9 吳明山;回歸模型的估計(jì)方法及在林業(yè)中的應(yīng)用研究[D];西南林學(xué)院;2008年

10 周元嬌;篩選逐步回歸方法的改進(jìn)研究[D];揚(yáng)州大學(xué);2011年

，

本文編號：1035812