计量经济模型中岭回归参数的估计研究

《计量经济模型中岭回归参数的估计研究》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、？义津財違乂聲可ｒ下ＰＴ７硕±学位Ｉ■＇计量经歷型中岭回归鎌的化腑究》：．ｆ．—级学科：应用经济学二级学科：数量经济学论文作者：张波：；＂指导麵：马薇教授迭ｆｆｆ巧＇，－Ｆ＼Ｕｉｍｉｔｆｃ著巧ＴＨ；；１ｊ４１！！＾，气驅顧‘遍．．纖．萄分类号：密级：天津财经大学硕±学位论文计量经济模型中岭回归参数的估计研究ＴｈｅＲｅｓｅａｒｃｈｏｎＥｓ村ｍａｔｉｏｎｏｆＲｉｄｇｅＰａｒａｍｅ化ｒ

2、ｏｆＲｉｄｇｅＲｅｇｒｅｓｓｉｏｎｉｎＥｃｏｎｏｍｅｔｒｉｃＭｏｄｅｌ所属学院：理工学院所在系别：统计系２０１３级年级：１学号：２０３３１０２２７论文作者：张波天津财经大学学位论文原创性声明：本人郑重声明：所呈交的学位论文《计量经济模型中岭回归参数的佑计研究》，是本人在导师指导下，在天津财经大学攻读学位期间进行研究所取得的成果。除文中＆经注明引用的内容外，不包含任何他人＆发表或撰写过的研究成果。对本论文研究工作做出贡献的个人和集体。

3、，均己在文中Ｌ乂明确方式标明本声明的法律责任完全由本人承担。学位论文作者签名：〇乙义＇年月／今日天津财经大学学位论文版权使用授权书本人完全了解天津财经大学关于收集、保存、使用学位论文的规定：，即按照学校要求提交学位论文的印刷版本和电子版本；同意学校保留论文的印刷版本和电子版本，允许论文被查阅和借阅。本人授权天津财经大学可Ｌ乂将本学位论文的全部或部分内容编入有＾！乂采用影印关数据库进行检索；可、缩印或其他复制手段保存或汇＾编论文１送交论文的印刷本和电子版；可乂向有

4、关机构或者国家部口本；在不贏利为目的的前提下，学校可复制论文的部分或全部内容用于学术活动。本学位论文属于；（）１．经天津财经大学保密委员会审查核定的保密学位论文，于年月日解密，解密后适用上述授权。（不保密，适用上述授权。＂＂ＬＶ（请在乂上相应括号内打或填上相应内容。保密学位论文应是己经天津财经大学保密委员会审定过的学位论文，未经天津财经大学大学保密委员会审定的学位论文均为公开学位论文。此声明栏不填写的，默认为公开学位论文。），均适用上述授权＜／作者签名：旅恭

5、日期：知年（月Ｙ日＾＜＾：导师签名：日期年月日知＜内容摘要在计量经巧学中，建立多元线性回归模型时，经常会出现模型所选取的变量之间存在多重共线性的情况，这可能导致建立的模翌得到的参数不稳定，模型不能充分地解释所要研究的问题。由于模型存在共线牲的变量，线性回归模型不满足计量经济学经典的假设条一件，此时如何有效的处理模型变量之间的共线性成为模型面临的重要问题之。而常用的一定的缺陷解决模型变量之间多重共线性的方法都存在，即不能很好的利用模型变量信息，不。如何能更好的充分利用

6、模型变量的有用信息损失变量之间的内在联系去解决变量之问的共线性关系，岭回归就是在这样的背景下产生的。岭回归可Ｗ更好地保留变量的内在信息，不破坏它们之间的内涵关系，并且能够更好的抓住主要矛盾，去分析解决问题，进而是解决模型多重共线性的一个重要途径。因此，文章对岭回归问题进行研究具有理论意义与应用价值。在建模过程中使用岭回归方法时，计算岭参数是重要的关键问题。因此文章在研究岭参数计算上做了深入研究。首先，回顾了与岭回归相关的理论，从减小模型变量方差扩大因子角度出发，，结合生物王

7、程领域的遗传算法计算最优的岭参数，然后根据得到的吟参数建立岭回归模型，。其次文章通过蒙特卡洛模拟方法对其进行了模拟实验。实验结果表明，基于遗传算法确定岭参数的岭估计可Ｗ有较好的估计特性。最后，文章采用所提出的一一方法，些有价值的结论并给出，进行了关于我国卫生总费用问题的实巧分析得到了些相关的政策建议。文章通过遗传算法与方差扩大因子法相结合计算了最优岭参数，得到的模型参数更加一穗定一。这样计算岭参数方面剔除了岭参数在确定过程中梭杂的人为主观性，另方面把变量由于多重共线性导致其

8、不合理的方差扩大因子控制在合理的区间内，稳定了模型的估计参数一，并且提高了参数的估计精度。文章的研究王作为冷回归选取岭参数提供了种新的选取方法，可Ｗ使得岭回归模型更好的应用到实际经济问题当中。其次，利用研究的成果，得出，研究了影响我国卫生总费用变量之间的多重共线性问题了结论并给出了有价值的政策意见。关键词：多重共线性；龄回归；岭参数；遗传算法ＩＡｂｓｔｒａｃｔＩｎｍｕｌｔｉｐｌｅｒｅｇｒｅｓｓｉｏ打ｉｔｉｓｓｈｏ