论文摘要
GDP作为衡量一个国家或地区经济发展状况与经济实力的重要指标,多年来一直是各个行业研究者的重点研究对象。通过文献综述,发现有些学者用时间序列方法对单变量GDP进行研究,有些学者用一些常用的回归方法对GDP进行研究,还有一些学者应用灰色预测方法或者组合模型对GDP进行研究,但还未见到有文献利用主成分分析方法对GDP经济发展的协调性进行研究,而且利用MCMC主成分回归方法预测GDP经济发展的文献也很少。因此,本文将对广西经济发展数据建立协调性评价模型和MCMC主成分回归方法预测模型,分析广西经济发展情况。本文选取了广西2000-2017年的GDP数据作为被解释变量,财政收入、固定资产投资总额、工业总产值以及进出口总额数据作为解释变量进行建模研究。首先确定协调性变量,并建立协调性评价模型;然后利用普通主成分回归以及MCMC主成分回归两种建模方法对原始变量建模,并采用Gibbs抽样方法对MCMC主成分回归模型进行参数估计;最后对两种模型进行比较。具体内容有:一是协调性评价模型。利用广西2000年至2017年的经济数据建立协调性评价模型,对各年度GDP经济增长状态进行评价,结果显示:2000年至2004年为增长略慢期,2005年至2011年为增长正常期,2012年至2015年为增长略快期,但2016年突然变为增长略慢期,2017年恢复到增长正常期。这些协调性评价是比较符合实际实际经济发展情况,所以用这种方法进行经济发展协调性评价是有效的。二是普通主成分预测模型与MCMC主成分预测建模。依据各解释变量的相关系数矩阵可知各解释变量间存在很强的相关性,选取了普通主成分回归以及MCMC主成分回归两种建模方法对原始变量建模,并采用Gibbs抽样方法对MCMC主成分回归模型进行参数估计。建模结果表明,应用这两种方法建立的回归模型各解释变量的系数均为正数,与现实的经济学意义相符合。通过对普通主成分回归模型进行检验,模型通过了F检验,并且R2超过了99%。两种模型均能有效的克服解释变量间存在的多重共线性,且模型效果良好。三是两个预测模型的比较。利用上面建立的两种模型对2015年至2018年这3年进行预测,并利用均方根误差的大小来比较两种模型的优劣。结果表明,MCMC主成分回归方法的均方根误差为451.3475,普通主成分回归方法的均方根误差为807.7472,即MCMC主成分回归方法的建模结果要优于普通主成分回归方法的建模结果。
论文目录
文章来源
类型: 硕士论文
作者: 王向征
导师: 凌征球,杨善朝
关键词: 主成分回归,协调性评价,方法,抽样,软件
来源: 广西师范大学
年度: 2019
分类: 基础科学,经济与管理科学
专业: 数学,宏观经济管理与可持续发展,经济体制改革
单位: 广西师范大学
分类号: F224;F127
总页数: 39
文件大小: 3061K
下载量: 248
相关论文文献
- [1].岭回归和核主成分回归在消除共线性中的实证分析及比较[J]. 数学理论与应用 2019(01)
- [2].一种基于主成分回归的线损率成因分析方法研究[J]. 机电信息 2020(18)
- [3].主成分回归模型下智能农机对耕深的影响研究[J]. 湖北农机化 2020(09)
- [4].云南省旅游收入影响因素分析及产业对策研究——基于主成分回归模型[J]. 学术探索 2018(03)
- [5].稳健主成分回归及其医学应用[J]. 中国卫生统计 2011(01)
- [6].基于稳健主成分回归的统计数据可靠性评估方法[J]. 统计研究 2011(08)
- [7].主成分回归中异常点的稳健诊断[J]. 中国卫生统计 2008(01)
- [8].预测农民收入的主成分回归模型[J]. 安徽农业科学 2008(24)
- [9].基于主成分回归模型的行业轮动策略及其业绩评价[J]. 数学的实践与认识 2016(19)
- [10].基于主成分回归模型的福建省农民增收因素分析[J]. 台湾农业探索 2010(02)
- [11].基于主成分回归对微信用户使用小程序意愿的定量分析[J]. 高师理科学刊 2020(01)
- [12].城镇化水平对旅游经济增长的影响[J]. 合作经济与科技 2019(08)
- [13].基于主成分回归的居民消费价格指数分析[J]. 科技创新导报 2014(34)
- [14].提高三元肥效模型建模成功率的主成分回归技术研究[J]. 土壤学报 2018(02)
- [15].稳健主成分回归及粗差探测[J]. 测绘科学 2018(09)
- [16].基于主成分回归模型的酒店装饰项目成本预测[J]. 价值工程 2015(12)
- [17].基于主成分回归的区域物流发展预测模型构建与实证分析——以泰安市为例[J]. 山东工会论坛 2018(02)
- [18].主成分回归的建模策略研究[J]. 北京航空航天大学学报 2008(06)
- [19].基于主成分回归的大坝位移模型[J]. 水电自动化与大坝监测 2008(05)
- [20].基于主成分回归的颜色与物质浓度辨识的研究[J]. 廊坊师范学院学报(自然科学版) 2018(01)
- [21].改进岭回归与主成分回归的股指跟踪研究[J]. 重庆理工大学学报(自然科学) 2018(01)
- [22].基于主成分回归的大坝渗流[J]. 广东水利水电 2010(01)
- [23].基于回归树和主成分回归模型的PM_(2.5)影响因素分析[J]. 上海工程技术大学学报 2018(02)
- [24].主成分回归克服多重共线性的R语言实现[J]. 科技资讯 2015(28)
- [25].基于主成分回归模型的海南经济结构分析[J]. 经济论坛 2018(01)
- [26].主成分回归视角下建筑工程项目成本预测研究[J]. 长春大学学报 2018(05)
- [27].基于主成分回归建立大坝变形回归模型[J]. 测绘标准化 2019(01)
- [28].基于主成分回归的洛阳市区PM2.5污染状况研究[J]. 洛阳理工学院学报(自然科学版) 2018(01)
- [29].基于主成分回归与灰色神经网络模型的水资源承载力需水量预测[J]. 水资源与水工程学报 2014(01)
- [30].主成分回归基于低保标准模型的应用——以吉林省为例[J]. 环渤海经济瞭望 2019(02)