2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、上海交通大學(xué)碩士學(xué)位論文GDP核算的回歸估算方法研究核算的回歸估算方法研究學(xué)校:校:上海交通大學(xué)院系:系:理學(xué)院數(shù)學(xué)系班級:級:B0807191學(xué)號:號:1080719038碩士生:生:金燁研究方向:研究方向:概率論與數(shù)理統(tǒng)計導(dǎo)師:師:孫祝嶺(副教授)上海交通大學(xué)理學(xué)院數(shù)學(xué)系上海交通大學(xué)理學(xué)院數(shù)學(xué)系2011年1月上海交通大學(xué)理學(xué)碩士學(xué)位論文摘要GDP核算的回歸估算方法研究核算的回歸估算方法研究摘要摘要國內(nèi)生產(chǎn)總值(GDP)是衡量一個國家

2、綜合實力的重要指標(biāo),研究和建立GDP模型具有重要的現(xiàn)實意義。本文可分為兩個部分:第一部分是相關(guān)模型方法的介紹和提出。首先介紹了參數(shù)回歸模型中的線性回歸模型。包括一般線性回歸模型、基于灰色理論的GDP回歸、前移回歸、主成分回歸、穩(wěn)健回歸。接著介紹了非參數(shù)回歸模型的相關(guān)理論基礎(chǔ),并在線性回歸及非參數(shù)理論的基礎(chǔ)上引出了半?yún)?shù)回歸模型,介紹了半?yún)?shù)回歸模型的最小二乘核估計的估計步驟。最后介紹了一些線性回歸模型的假設(shè)檢驗及提出了數(shù)據(jù)重排回歸的思想

3、方法并通過MonteCarlo方法驗證其有效性。第二部分是對指標(biāo)數(shù)據(jù)的實證分析。由于GDP的變化受到了多種經(jīng)濟(jì)因素變化的影響,本文選取了與GDP高度相關(guān)且可靠性較強(qiáng)的12個經(jīng)濟(jì)指標(biāo)。首先通過最小二乘估計建立了一般線性回歸、基于灰色理論的GDP回歸、前移回歸、主成分回歸模型。其次,針對現(xiàn)在國內(nèi)外有很多學(xué)者認(rèn)為中國統(tǒng)計數(shù)據(jù)存在失真問題,本文從模型的穩(wěn)健性方面出發(fā)對參數(shù)采用穩(wěn)健M估計建立穩(wěn)健回歸模型。考慮到GDP是與時間T高度相關(guān)的,本文又在

4、線性模型的基礎(chǔ)上加入時間變量的未知函數(shù)來反映每年其它無法線性化因素對GDP的影響,構(gòu)造半?yún)?shù)回歸模型。所建立的六個模型只有五個通過了檢驗。通過對五個模型進(jìn)行擬合性、穩(wěn)健性和預(yù)測性的比較分析,我們得出如下結(jié)論:半?yún)?shù)回歸模型在擬合效果和預(yù)測效果最優(yōu),可以作為GDP估算的一種有效方法。而穩(wěn)健回歸對于異常數(shù)據(jù)具有很強(qiáng)的抗干擾性,能降低樣本異常值對建立回歸模型的影響。()gT最后,運用提出的數(shù)據(jù)重排回歸的思想方法建立了各省市的GDP回歸模型。關(guān)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論