混合建模过程

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

    混合建模实际就是在同一个数据文件下，建立多组方程的方法，这种方法的应用主要是希望建立线性模型，因为经济生活中，经常需要使用模型进行预测，而非线性模型很难确保下一期的稳定性，也就是预测的不确定性很大，所以尽管变量间多数是呈现非线性关系，但我们仍然希望训练出线性模型。

    下面看一下常用的局部线性平滑的方法。

	（1）线性模型的前提是变量间的线性关联，线性相关程度越大，模型拟合的越好，并利用OLS估计，使其残差最小，不过该算法对异常值很敏感，会导致部分散点的垂直偏差过大。     变量间显非线性关系时，如果仍使用OLS估计的话，其实线性关系之外的散点均可视为异常值，那么残差势必增加。见下图
	（2）虚线是整体拟合线，如果分而拟合的话，效果一定会很好，不过问题是如何选择拐点或门限，直接选择显然太过主观，关于寻找拐点的方法也很多， 门限自回归的那一类的算法适用于时序数据，截面数据比较常用的是局部线性平滑的方法。     下面这个图形更能说明局部线性平滑过程。
	（3）使用局部线性的方法，对训练出的线性模型会更便于解释。     一般使用不同带宽（带宽内权重相同）来计算交叉验证的结果——除去某样本点后，计算预测值与观察值离差的平方和最小。找到带宽与最小值的最佳点，然后做出取舍。     该方法考虑了散点的分布疏密性、局部性和整体性等诸多优点，因此应用很广泛。

    当然针对这类问题，使用最大拟然方法的应用也很多，尤其是贝叶斯的方法，研究的比较成熟，实证表明非常稳定。针对上述方法，目前多数主流统计软件均能实现，不过大多需要分析人员自己写过程，所以就实现上还是需要花费一些功夫的。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏5 回帖

关键词：非线性关系 OLS估计 线性模型 线性关系 数据比较 模型 稳定性 如何

老师，您就开个文库，专门把你的所讲的知识收集起来吧。。。。

学习了，收藏了，跟踪了！

怎么只讲一半？。。。

很好。先收藏下。