基于Adaptive Lasso及面板数据均值共同变点的应用统计分析

发布时间：2018-03-29 03:30

  本文选题：本科成绩　切入点：主成分分析　出处：《合肥工业大学》2017年硕士论文

【摘要】：本学位论文主要应用相关统计方法进行数据处理及分析,并运用到高校大学生学习状况研究和股市收益率变结构研究,且得到了很好的结果,主要内容如下:第一章首先介绍了统计方法在学业状况中的发展与应用,以及国内外的研究现状,最后提及了本文的研究意义。第二章详细介绍了在学业状况分析中有关主成分分析、因子分析、Adaptive Lasso的相关理论,同时还介绍了分析中需要用到的KMO检验和Bartlett球形检验方法,以及BIC信息准则。第三章进行本科成绩的统计分析,对2006-2009级的数学专业全体同学进行主成分分析,并利用逐步回归、Adaptive Lasso两种回归方法建立线性模型,分别对比不同方法的模型结果,并结合实际给出合理解释。第四章简单介绍统计方法在股市收益率中的发展与应用,以及国内对金融变点的研究现状,并引入金融变点研究涉及的面板数据均值共同变点理论。最后对2005-2015年的各大股市日收益率进行实证研究,采用面板数据均值共同变点对日收益率分别进行变点检测分析,根据所找出的变点位置,结合时政加以分析。第五章总结了本文所进行的应用统计研究。
[Abstract]:This dissertation mainly uses the related statistical method to process and analyze the data, and applies it to the study of the college students' learning status and the variable structure of stock market return, and gets good results. The main contents are as follows: the first chapter introduces the development and application of statistical methods in academic status, as well as the current research situation at home and abroad. Finally, the research significance of this paper is mentioned. Chapter two introduces in detail the related theories of principal component analysis and factor analysis adaptive Lasso in the analysis of academic status. At the same time, it also introduces the methods of KMO test and Bartlett spherical test, which need to be used in the analysis. And the BIC information criterion. Chapter 3 carries on the statistical analysis of the undergraduate achievement, carries on the principal component analysis to all the mathematics specialized students of 2006 to 2009, and establishes the linear model by using the stepwise regression adaptive Lasso regression method. In chapter 4, the development and application of statistical methods in stock market returns and the current situation of domestic research on financial change point are briefly introduced. Finally, the paper makes an empirical study on the daily return rate of each major stock market from 2005 to 2015, and uses the panel data mean common change point to detect and analyze the change point of the daily return rate respectively. According to the position of the change point and the current politics, the fifth chapter summarizes the applied statistical research carried out in this paper.
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O212.1

【相似文献】

相关期刊论文 前10条

1 张学新;;变点检测问题最新进展综述[J];江汉大学学报(自然科学版);2012年02期

2 周影辉;倪中新;谢琳;;泊松序列中变点的快速识别方法[J];统计与决策;2013年11期

3 陈希孺;变点统计分析简介[J];数理统计与管理;1991年01期

4 缪柏其,赵林城,谭智平;关于变点个数及位置的检测和估计[J];应用数学学报;2003年01期

5 王黎明;变点统计分析问题及其应用[J];内蒙古统计;2004年03期

6 黄志坚;张志华;金家善;;基于分组数据的可靠性变点分析[J];兵工自动化;2007年10期

7 王黎明;;三种变点问题理论及其应用[J];泰山学院学报;2007年06期

8 张恒;张志华;;产品使用可靠性的变点模型及其统计分析[J];湖北师范学院学报(自然科学版);2009年03期

9 王景乐;刘维奇;;时间序列中方差的结构变点的小波识别(英文)[J];应用概率统计;2010年02期

10 廖远u&;朱平芳;;均值和方差双重变点的贝叶斯侦测[J];统计研究;2011年11期

相关会议论文 前3条

1 陈惠;汤银才;;已知变点数下二次回归模型方差变点分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 汪永新;;短样本多指标动态经济数据变点的识别方法[A];中国现场统计研究会第九届学术年会论文集[C];1999年

3 李强;王黎明;王文雯;;基于中国股市行业收益率面板数据的贝叶斯方法变点检测[A];中国系统工程学会第十八届学术年会论文集——A13其他管理领域的创新研究成果问题[C];2014年

相关博士学位论文 前9条

1 张立文;分位数回归中变点问题的若干研究[D];复旦大学;2014年

2 王丹;重尾序列与非参数回归模型的变点分析[D];西北大学;2014年

3 李拂晓;几类时间序列模型变点监测与检验[D];西北工业大学;2015年

4 谭常春;变点问题的统计推断及其在金融中的应用[D];中国科学技术大学;2007年

5 韩四儿;两类厚尾相依序列的变点分析[D];西北工业大学;2007年

6 董翠玲;测量误差模型方差变点的统计推断[D];中国科学技术大学;2013年

7 聂维琳;变点靠近序列端点的检测问题[D];武汉大学;2010年

8 赵华玲;逐段线性回归中变点问题的统计推断[D];武汉大学;2011年

9 王景乐;非参数模型中变点的检测及删失数据中删失指标随机缺失下回归函数的估计[D];复旦大学;2012年

相关硕士学位论文 前10条

1 张雪莲;基于Adaptive Lasso及面板数据均值共同变点的应用统计分析[D];合肥工业大学;2017年

2 陈少梦;基于Cucconi检验及变点模型的非参数统计质量控制图研究[D];浙江大学;2015年

3 刘俐;基于变点—模糊理论的龙滩水库汛期分期调度研究[D];广西大学;2015年

4 刘晋芳;多元正态向量均值变点在线监测[D];山西大学;2015年

5 王新乔;半参数面板回归模型的变点分析[D];大连理工大学;2015年

6 樊庆祝;基于贝叶斯分析理论的快递业务量变点研究[D];广西师范学院;2015年

7 吕会琴;厚尾相依序列变点Ratio检验[D];西安工程大学;2016年

8 侯炳山;面板数据中均值与方差的断点分析[D];浙江大学;2016年

9 李明宇;面板数据AR(1)模型的变点分析[D];浙江大学;2016年

10 张瑞红;基于局部多项式回归的时间序列变点检测[D];南京大学;2016年

，

本文编号：1679373