背景:
阅读新闻

统计学论文代写:多元线性回归和OLS估计方法

英国AA论文代写

[日期:2016-06-07] 来源:英国AA论文代写  作者:AA论文小编 [字体: ]
统计学论文代写:多元线性回归和OLS估计方法:首先,假设解释变量和因变量之间的关系是线性的。
应该引入多元线性回归的模型:
Y =β_0 +β_1 X_1 +β_2 X_2 +⋯+β_i X_i +ε,i = 1、2、3…
我是解释变量的数量,Y是因变量,X_i第i个解释变量,εis随机误差。
用向量表示,模型将,
,。
通常,将1,然后将常数项的回归。n样品,上述模型可以写成:,
,,,。
总是有5为模型的假设。
识别的假设,也就是说,ε满足。
同方差的方差的假设,也就是说,ε满足。
Nonautocorrelation假设,也就是说,任何i =ε满足,j。
nonstochastic回归假设,即X必须nonstochastic满列秩。换句话说,k列矩阵X是线性无关的。
正常的假设,即ε满足。
OLS估计方法
普通最小二乘估计的主要观点(OLS)是得到一个最优解,可以使以下函数最小化。
让,或。OLS估计成为一个优化问题:。
数据采集和解释
下载数据(见附件)从国家统计局(National Bureau of statistics)中华人民共和国通过这些数据预处理,设计清晰,简洁的数据上面了。上证综指(关闭)和证券交易所营业额(数十亿元)数据从综指收盘数据估值。人民币汇率的命运从年平均数据。LnGold(美元/盎司)的年末的数据也形成了黄金的价格。
备注:没有数据的M2指数在1995年之前国家统计局(National Bureau of statistics)的中华人民共和国。所以平方米在1992年的数据,1992年,1994年是失踪。
描述性统计数据
。des
通过使用代码占据,总描述的日期是指在附录图1。
从图1,总变量的数量是9,有n = 23个样本。自变量是双类型。因变量是浮子式。
变量的描述性统计分析
。苏综指stockexchangeturnover rmbexchangefate lngold gdp m1 m2 gpcz
通过使用代码占据,变量的描述性统计分析是指在附录图2。
从图2中,第一列是变量的名称。第二列是每个变量的观察计数。第三列是每个变量的均值。第四列是每个变量的标准偏差。第五和第六列分别为最小和最大数量为每个变量。
矩阵图
。图矩阵综指stockexchangeturnover rmbexchangefate lngold gdp m1 m2 gpcz
通过使用代码占据,矩阵图的变量是指图形在附录3。
通过观察图3中,有一些关系领域的证券交易所营业额等领域。特别是,有很强的证交所成交量和综指之间线性相关。和之间存在明显的线性相关证券交易所营业额和因变量:GDP,m1,m2,GPCZ。还有证交所成交量和LNgold之间线性相关。因此,将会有一个好的合适的自变量和因变量。
相关矩阵
。pwcorr综指stockexchangeturnover rmbexchangefate lngold gdp m1 m2 gpcz
通过使用代码占据,变量的相关矩阵如表1所示。
表1:相关矩阵
综指stockexcha ~ r rmbexchang ~ e lngold gdp m1 m2 gpcz
综指1.0000
stockexcha ~ r 0.7744 1.0000
rmbexchang ~ e - 0.2605 -0.5710 1.0000
lngold 0.5742 0.8528 -0.6288 1.0000
国内生产总值0.6077 0.9001 -0.5706 0.9243 1.0000
m1 0.6183 0.9034 -0.5743 0.9437 0.9943 -0.5743
m2 0.4720 0.8734 -0.9651 0.9106 0.8734 -0.9651 0.9106
gpcz 0.8459 0.8756 -0.3944 0.7645 0.7373 0.7644 0.6533 1.0000
众所周知,皮尔逊相关性是评价间隔级别之间的线性关系的措施。皮尔逊相关性的绝对值越大,相关性越强。通过观察上面的故事,有最显著的变量之间的相关性证交所成交量和其他变量。
本文评论   [发表评论]   全部评论 (0)
热门评论