我国经济发展与几大产业相关分析__墨水学术,论文发表,发表论文,(3)

分类：经济学论文范文 时间：关注：(1)

我们看到模型中存在严重的共线性，由于共线性使得回归方程变得很不稳定，有些自变量对因变量的显著性影响被隐蔽了，一些回归系数的符号与实际意义不符合。下面我们用岭回归方法来处理共线性问题。    
岭回归方法是处理共线性问题的有效方法，它能在不减少变量的情况下较好的消除共线性关系，对于不能减少变量的问题来说是很有用的一种方法。但是岭回归在岭回归图决定k值时存在一定的主观性，但这也正是发挥定性分析和定量分析的结合之处，在解决多重共线性问题中有着独特作用。
岭回归只需在reg后加上选项ridge。得到的岭回归图如下：

      从图上我们可以看到岭迹图中的coal并没有趋向稳定，因此可以考虑剔除该变量重新作岭迹图。剔除coal后作出的岭迹图如下：
输出4 剔除coal后的岭迹图

     从图上可以看到岭迹图比较稳定，达到了比较满意的程度。可以看到当k>=0.1后岭迹曲线趋于稳定。由下面的输出结果可以得到最终的回归方程。

输出5 岭回归分析数据集

由上面obs为22的行后面几个变量的数值可以写出回归方程为：
Steel=-269.03+8.0669cloth+0.4078colortv+0.1379crudeoil+0.154electricity+0.183pigiron+0.0013cement+13.0516car+0.0006intcircuit
   这时得到的回归方程的系数的符号都是由意义的；各个系数的方差膨胀因子均小于3（见输出2.1.5中obs为22的行各变量下的系数）说明变量之间已经没有了共线性。
通过岭回归我们很好地解决了自变量共线性的问题，得到的回归方程经过回代检验得到的检验值与实际值基本吻合，如将1978年的数据代入得到的回归方程中得到的钢铁产量值为3274.48，与实际值3178.00相比，误差为3%。这说明得到的回归方程能较好的模拟实际情况，有实际意义。
4.预测
我们还可以通过得到的回归方程来预测某一年个产业的产量值。通过2004年中国统计年鉴我们得到上面各个产业2003的值，将它们代入上面的回归方程，我们可以得到steel的预测值为21240.90，而实际值为22233.60，相差992.7，误差为4%.
    通过以上分析我们可以看到用岭回归较好的解决了自变量之间的共线性关系，通过岭回归处理得到的回归方程对实际情况模拟较好。这说明岭回归在解决变量间的共线性关系中有很好的作用
 参考文献
[1] 高惠旋．实用统计方法与SAS系统．北京：北京大学出版社,2001.10
[2] 于秀林、任雪松．多元统计分析．北京：中国统计出版社，1999.5
[3] 杨楠．岭回归分析在解决多重共线性问题中的独特作用．统计决策,2004年第三期:15－16 
[4] 朱世武．SAS编程技术与金融数据处理．北京：清华大学出版社，2003
[5] 阮桂海等．SAS统计分析与实用大全．北京：清华大学出版社，2003
[6] 景滨杰．回归分析法在经济预测中的应用浅析．山西经济管理干部学院学报，2004，12（3）:32-34
[7] 张弛．利用SAS软件对我国工农业产品人均产量的进一步分析．成都师专学报,2000,(2):6-11
[8] 周兴才．第三产业相关评价指标的统计分析及数学模型．铜陵学院院报，2003，（3）：73-77
 [9] 王冬梅、沈颂东．逐步回归分析法．工业技术经济，1997，16：54-57

• 共3页:
• 上一页
• 1
• 2
• 3
• 下一页