统计092统计预测和预测课程论文

统计092统计预测和预测课程论文

ID:17858760

大小:194.00 KB

页数:13页

时间:2018-09-07

统计092统计预测和预测课程论文_第1页
统计092统计预测和预测课程论文_第2页
统计092统计预测和预测课程论文_第3页
统计092统计预测和预测课程论文_第4页
统计092统计预测和预测课程论文_第5页
资源描述:

《统计092统计预测和预测课程论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、统计预测和决策论文统计预测部分历年上市公司数量变化的联系本文根据《中国统计年鉴-2011》中1991-2011年统计数据(参见表1.1),试图运用统计方法对中国上市公司数量与股票发行量及其筹资额的关系进行分析和研究。分析一:多元线性回归1多元线性回归模型的建立首先,对1991-2011年中国上市公司数量与股票发行量及其筹资额(如表1.1所示)做多元线性回归(2012年的数据作为检验性预测数据),其中:表示上市公司数量,分别表示A股发行量、H股和N股发行量、B股发行量、A股筹资额、H股和N股筹资额、B股筹资额。表1.11991-2011中国上市公司数量与股票发行量及其

2、筹资额年份  股票发行量 股票筹资额上市公司数量(y) A股(x1)H股,N股(x2)B股(x3)A股(x4)H股,N股(x5)B股(x6)1991145.005.0019925310.0010.7550.0044.09199318342.5940.4112.79276.4160.9338.13199429110.9769.8910.4099.78188.7338.2719953235.3215.3810.9085.5131.4633.35199653038.2931.7716.05294.3483.5647.181997745105.65136.8825.1082

3、5.92360.00107.90199885186.3012.869.90778.0237.9525.55199994998.1123.051.77893.6047.173.7920001088145.68359.267.101527.03562.2113.992001116093.0048.481182.1370.2120021224134.20157.54779.75181.992003128783.64196.791.00819.56534.653.542004137754.88171.511.53835.71648.0827.162005138113.805

4、53.25338.131544.3820061434351.11936.662463.703130.5920071550413.27223.977722.99957.1820081625114.9165.383457.75317.2620091718260.38155.585004.901073.1820102063561.33367.049606.312365.6220112342258.82108.375073.07741.12下面利用表1.1中1991-2011的相关数据,运用SAS软件进行多元线性回归(程序见附录-程序1),得到多元线性回归方差分析表(表1.

5、2)和多元线性回归参数估计表(表1.3)。表1.2多元线性回归方差分析表AnalysisofVarianceSumofMeanSourceDFSquaresSquareFValuePr>FModel633369225561543.830.0261Error111597956145269CorrectedTotal174934879表1.3多元线性回归参数估计表ParameterEstimatesParameterStandardVariableDFEstimateErrortValuePr>

6、t

7、Intercept1706.94786178.625443.960.0

8、022x11-0.480222.25283-0.210.8351x213.143341.905481.650.1273x31-78.5702845.14361-1.740.1096x410.176750.122871.440.1781x51-0.771600.60163-1.280.2260x6115.2741411.584501.320.2141由表1.2可知:自由度为6,11的F分布随机变量大于3.83的概率为0.0261,因而线性关系是显著的。由表可得多元线性回归模型(①式):①但是由于检验结果中这六个自变量对应的随机变量大于其对应值的概率均大于0.05(表1

9、.3最后一列),只有常量:这表明只有常数项的作用高度显著,而这六个自变量的作用并不显著。这说明该模型并没有能很好的表示上市公司数量与不同股票发行数及筹资之间的多元线性关系,也就是说该模型不能用于预测。下面为了找出为题所在,我们对数据进行多重共线分析。2多重共线分析线性回归模型自变量(包括常数项)线性相关,或近似线性相关的现象称为共线性或多重共线性。用统计方法分析线性回归模型自变量(包括常数项)是否线性相关,或者近似线性相关,这种统计分析称为多重共线分析。由于多重共线性将导致估计量的方差和标准误差增大,所以算的统计值将减小,从而导致多元线性回归模型的准确性受到较大

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。