基于MCMC主成分回归的广西GDP增长因素研究

发布时间：2020-07-08 18:39

【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R~2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。
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F224;F127
【图文】：

图 1 主成分分析方法计算步骤叶斯统计计推断拥有特定概率模型的数据集 D 的似参数 是随机的。关于 的推断基 LDdLDD(|)()(|)()(|)由上式可知， |D与 的先验 L ( D| ) ( )称为后验分布的核。由富，该分布不但包含了 的先验信

图 1 广西各经济指标折线图（原始数据）以看出，广西壮族自治区 2000 年至 2017 年各经济指标整体上，并且从图中还可以观察到各经济指标在前 8-9 年的时间中增间段以后的各经济指标的增长速度明显加快。其中 GDP、财政 2000 至 2017 年均为正向增长。2000 年至 2009 年 GDP 的增长比 GDP 的增长比较迅速，呈现出线性趋势。财政收入的增长趋势趋势，2000 年至 2007 年财政收入的增长速度比较缓慢，200长迅速，2013 年以后财政收入的增长速度开始变慢。工业总产2000 年至 2009 年的增长速度缓慢，2009 年至 2017 年的增长。固定资产投资总额与进出口总额的变化趋势整体上是增长的个点出现了异常，其中 2013 年的固定资产投资总额出现了负的固定资产投资总额，2001年与2016年的进出口总额也出现了负口总额略小于 2015 年的进出口总额，这三点出现异常的原因

图 2 广西各经济指标折线图（标准化数据）看出，将广西壮族自治区 2000 年至 2017 年的各经济指标数据据折线图的变化无差异。从图中可以看出标准化后的广西 GDP ，即 2000 年至 2017 年广西 GDP 在 2010 年以后超过平均值。收入、固定资产投资总额、工业总产值数据在 2010 年时开始 年广西财政收入、固定资产投资总额、工业总产值在 2010 年以广西进出口数据在 2011 年时开始为正数，即 2000 年至 2017 年以后超过平均值。素指标的协调性评价通过主成分分析方法建立协调性评价模型，通过模型结果来评DP 的变化情况。的选取与预处理模型选取了广西 2000 年至 2017 年的 GDP/财政收入、GDP/固定

【相似文献】

相关期刊论文 前10条

1 刘伟新;郭东星;;稳健主成分回归及其医学应用[J];中国卫生统计;2011年01期

2 卢二坡;张焕明;;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年08期

3 郭东星;刘伟新;;主成分回归中异常点的稳健诊断[J];中国卫生统计;2008年01期

4 沈菊红;;预测农民收入的主成分回归模型[J];安徽农业科学;2008年24期

5 汪晓银;刘大集;祁春节;;我国蔬菜总产的主成分回归模型的构建及预测[J];农业系统科学与综合研究;2006年02期

6 王传华;;主成分回归在全国畜产品管理决策中的应用[J];预测;1989年03期

7 赵海涵;张晓磊;;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年03期

8 胡虎肇;;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年02期

9 丁亮;赵玉;李维;;湖北省农民增收的宏观经济因素分析——基于主成分回归模型的分析[J];乡镇经济;2007年11期

10 吴曰想 ,张莉苹;上市公司经营业绩的主成分回归实证研究[J];财会月刊;2004年12期

相关会议论文 前10条

1 俞慧强;戈早川;周彤;;主成分回归在分光光度法同时检测多种物质中的应用[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

2 王兵;张贤;;基于改进的主成分回归模型的碳排放预测研究[A];中国人口·资源与环境2014年专刊——2014中国可持续发展论坛[C];2014年

3 蒋圣楠;韩东海;孙明;;基于可见/近红外光谱分析技术的小型西瓜生长期的判别研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 吴尧;张广智;卢溜;;利用偏最小二乘回归方法进行储层厚度预测[A];2017中国地球科学联合学术年会论文集（三十二）——专题61：工程地球物理技术进展与应用、专题62：油藏地球物理[C];2017年

5 梁逸曾;李洪东;;化学建模中几个重要问题的点滴思考[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

6 黄娑;王庚;;南通市经济增长和可持续发展问题研究[A];江苏省现场统计研究会第11次学术年会论文集[C];2008年

7 刘颖;彭赓;吕本富;;基于主成分回归的省级政府网站访问量影响因素分析[A];第四届（2009）中国管理学年会——信息管理分会场论文集[C];2009年

8 谢代梁;王保良;黄志尧;李海青;金春晖;鲍立曾;;主成分回归在中药过程软测量中的应用研究[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

9 李德萍;吴结晶;郭丽娜;;青岛奥运期间(8月份)天气气候分析[A];中国气象学会2006年年会“大气成分与气候、环境变化”分会场论文集[C];2006年

10 侯震梅;周勇;;新疆R&D投入的特征分析[A];21世纪数量经济学（第13卷）[C];2012年

相关博士学位论文 前1条

1 谭善勇;中国城市化的经济增长效应研究[D];首都经济贸易大学;2013年

相关硕士学位论文 前10条

1 葛海琴;基于稀疏主成分和主成分回归的我国就业问题研究[D];上海交通大学;2017年

2 王向征;基于MCMC主成分回归的广西GDP增长因素研究[D];广西师范大学;2019年

3 成可;稳健稀疏主成分回归的研究及应用[D];山东大学;2019年

4 刘子沛;QFII持股偏好及影响因素分析[D];上海外国语大学;2019年

5 沈逍宇;基于主成分回归模型的海外工程项目成本预测研究[D];南昌大学;2019年

6 万婷;基于SOM-PCR模型的房价影响因素研究[D];华中科技大学;2017年

7 姜扬;聚类和主成分回归在经济指标数据中的应用研究[D];吉林大学;2010年

8 程娴;基于稳健主成分回归的润滑油产量预测模型[D];大连理工大学;2017年

9 韩丽香;稳健主成分回归方法在GDP数据可靠性评估中的应用[D];兰州商学院;2013年

10 左苏;基于主成分回归模型的工程项目成本预测[D];扬州大学;2014年

本文编号：2746899