贴近生活的统计学论文题目

1 1. 何为多重共线性？它对资料分析有何影响？如何处理？（10分） 答：多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。对多重共线性的两点认识： 1）在实际中，多重共线性是一个程度问题而不是有无的问题，有意义的区分不在于有和无，而在于多重共线性的程度。 2）多重共线性是针对固定的解释变量而言，是一种样本的特征，而非总体的特征。 自变量之间存在较强的线性关系，这些自变量通常是相关的，如果这种相关程度非常高， 使用最小乘法建立回归方程就有可能失效，引起不良后果： 1）参数估计值的标准误变得很大，从而使t值变得很小； 2）回归方程不稳定，增加或减少某几个观察值，估计值可能会发生很大的变化； 3）t检验不准确，误将应保留在方程中的重要变量舍弃； 4）估计值的正负符号与客观实际不一致。 消除多重共线性有多种方法，消除多重共线性的方法： 1）增加样本容含量； 2）定义新的自变量代替高度多重共线性的变量，或将一组具有多重共线性的自变量合并成一个变量； 3）删除不必要的解释变量：如在自变量中剔除某个造成共线性的自变量，重新建立回归方程； 4）其它方法：逐步回归法和主成分分析法；采用逐步回归方法也能有效限制有较强相关关系的自变量同时进入方程。 2. 如何评价所建立的多元线性回归方程的优劣？（10分） 答：评价所建立的多元线性回归方程的优劣，可以采用方差分析法对所有自变量X1， X2…...等作为一个整体来检验他们与应变量Y之间是否有线性关系，并对回归方程的预测或解释能力做出综合评价。除了方程分析法，另外可以用决定系数（R2），R2 可用来评价回归方程优劣。随着自变量增加，R2不断增大，对两个不同个数自变量回归方程比较，须考虑方程包含自变量个数影响，应对R2进行校正。所谓“最优”回归方程指最大者。还有复相关系数等。对各自变量的假设和评价可以采用偏回归系数、t检验法和标准化回归系数等方法。另外，可以采用残差分析来检查资料是否符合模型。 3. logistic回归与线性回归有什么不同？两种方法各有什么特点？（10分） 答：logistic回归属于概率型非线性回归，它是研究二分类或多分类观察结果与一些影响因素之间关系的一种多分类方法，可用于分析疾病与各危险因素之间的定量关系。 logistic回归可用于流行病学危险因素分析、临床试验数据分析、分析药物或毒物的剂量反应和预测与判别。其变量选择可用前进法、后退法和逐步回归法筛选变量，可以用模型拟合优度检验自变量的预测能力。 而线性回归主要适用于计量资料，是一个或一组变量对应一个应变量之间具有线性关系的方程。线性回归可以用回归方程进行估计和预测，也可进行影响因素，统计控制。在应用线性回归方程分析前，需要绘制散点图，可以用残插图来考察数据是否符合模型假设条件。 4. 对量表的评价有哪些指标及其统计学方法？（10分） 答：量表考评包括量表的定性考评，如通过专家座谈或专家咨询的方式对量表及各条目进行定性评价，目的是完善量表的结构、修饰条目的措辞，筛选条目和确定各条目 2 的权重。 量表的信度是评价量表的精密度、稳定性和一致性，即测量过程中随机误差造成测定值的变异程度的大小，常用的信度指标有重测信度、分半信度和克朗巴赫系数。效度是评价量表的准确度、有效性和正确性，即测定值与目标值真实值的偏差大小。效度指标有内容效度、标准关联效度和结构效度。量表的反应度指量表能测出不同对象、不同时间目标特征能力变化的能力，即反映对象特征值变化的敏感度。统计学方法包括统计描述和统计推断，前者采用统计图或统计量来描述量表测定值的分布、时间变化趋势和主要特征比较，后者包括横向比较和纵向比较。横向比较包括单变量分析和多变量分析，单变量分析包括t检验、方差分析和秩和检验等比较两组或多组量表总分和各领域或多方面的得分。多变量分析可以采用综合评价方法，如模糊判别法、Obrien综合法、秩和比法、TOPSIS法。纵向资料比较包括重复测量资料的方差分析。 5. 生存分析的主要用途及其统计学方法有哪些？（20分） 答：生存分析时将事件的结果和出现这一结果所经历的时间结合起来分析的一类统 计方法。不仅考虑事件是否出现，而且也考虑事件出现的时间长短、因此该类方法也被称为事件时间分析。它广泛应用于社会学、经济学、工程学等领域。 其统计方法有描述分析，即根据样本生存资料估计总体生存率及其他有关指标；比较分析，即是对不同组生存率进行比较分析，如比较使用与不同某药物的HIV阳性患者的生存率是否有所不同。常采用Log-rank检验与Breslow检验。影响因素分析，可以通过生存分析模型来探讨生存时间的因素，通常以生存时间和生存结局作为应变量，而将其影响因素，比如年龄、性别、药物使用作为自变量。通过拟合生存分析模型，筛选影响生存时间的保护因素和有害因素。方法有半参数法和参数法。半参数法有Cox比例风险模型，参数法有指数分布法、Weibull分布法、Gomertz分布法和对数logistic分布法。 6. 比较甲、乙、丙、丁四种饲料对小白鼠体重的影响。实验对象为8窝小白鼠，每窝4只， 应采用何种实验设计方法？如果四种饲料是由脂肪含量和蛋白含量两个因素符合组成，研究目的是要分别分析脂肪含量高低、蛋白含量高低对小鼠体重的影响，应采用何种实 验设计方法？试写出两种设计方法方差分析表中的部分内容？（20分） 答：第一种试验方案采用随机区组设计，该设计考虑了四种饲料和窝别的影响因素，方差分析表如表1所示。计算处理间和区组间的F值，检验P值。 表1 随机区组设计的方差分析表 变异来源 df SS MS F 组间变异 组内变异 误差e 总变异 第二种试验考虑脂肪含量和蛋白含量两因素的交互作用，采用析因设计，可以计算单独效应、主效应和交互作用。方差分析表如表2所示。 3 表2 析因设计的方差分析表 变异来源 df SS MS F A因素 B因素 AB交互作用 区组间变异 误差e 总变异 7. 请查找国内医学杂志当中RCT的研究论文1篇，对照CONSORT标准和国内随机对照 试验论文的统计学报告自查清单，找出其中报告不足的地方。（20分）

43 经济统计学早期思想发展简史 44 多元统计分析方法思想发展思想史 45 现代概率论思想发展简史 46 数理统计学早期思想发展简史 47 现代数理经济学发展简史 48 概率论早期思想发展简史 49 数理经济学早期思想发展简史 50 灰色理论在社会经济中的应用 51 现代经济统计学思想发展简史 52 现代数理统计学思想发展简史 53 社会统计学早期思想发展简史 54 现代社会统计学思想发展简史 55 中国汽车保有量定量研究 56 中国股市波动性定量研究 57 中国股票市场风险研究 58 中国收入差距研究 59 论统筹城乡与城乡差距 60 重庆市城乡差距定量研究 61 重庆汽车消费需求的动态分析与预测 62 灰色系统预测方法在我国私人汽车拥有量预测中的应用 63 旅游业对重庆市社会经济贡献的定量分析 64 房价上涨的成因及对策研究

学术堂最新整理了二十条好写的统计学毕业论文题目:1.MMC排队模型在收费站排队系统中的应用2.财政收入影响因素的研究3.城市发展对二氧化碳排放的影响4.高技术产业产值影响因素的研究5.关于和谐社会统计指标的初步研究6.CCA研究我国产业结构的区域差异对经济的影响7.基于单因素序列相关面板数据的实证分析8.基于空间面板数据的中国FDI统计分析9.基于排队论在杭州公交站点停车位的优化及实证分析10.基于统计方法的股票投资价值分析11.某某市2019年工业发展状况的统计分析12.近30年31省市城镇居民恩格尔系数的统计分析13.近30年31省市农村居民恩格尔系数的统计分析14.近三十年中国经济发展趋势的实证分析15.林业科技对经济的贡献率美联储量化16.宽松政策对中国经济影响的统计17.分析排队论简介及其应用18.我国财政收入总额影响因素分析19.我国城市竞争力的综合评价与实证分析20.我国城乡居民收入差距统计分析一以某某省为例

时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成, 省区经济则是我国国民经济的重要组成部分, 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象, 因此, 选取省区经济数据进行区域经济的研究, 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响, 已从背后走到了台前, 发展较快的省区对我国国民经济的快速增长起到了很大的作用, 而发展相对较慢的省区, 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究, 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元, 人均 GDP13130 元, 达到中等发达国家水平。从省域经济来说, 湖北省是一个较发达的经济实体。另一方面, 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用, 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地, 但仍不可避免的面临着建国以来一再的经济波动,从最初的强大势力到如今的挣扎期, 湖北省的经济面临着发展困境。近年来, 湖北省的经济状况一再呈现再次快速发展的趋势, 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律, 将这种规律延伸到未来, 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型, 由博克斯, 詹金斯创立, 是一种精度较高的时序短期预测方法, 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量, 构成该时序的单个序列值虽然具有不确定性, 但整个序列的变化却具有一定的规律性, 可以用相应的数学模型近似描述。通过对该数学模型的分析,能够更本质的认识时间序列的结构与特征, 达到最小方差意义下的最优预测。现实社会中, 我们常常运用 ARMA模型对经济体进行预测和研究, 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列, 对于如 GDP 等非平稳的时间序列而言, ARMA模型存在一定的缺陷, 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上, ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型, 简记为 ARIMA ( p, d, q) 模型,是美国统计学家 G.E.P.Box 和 G.M.J enkins 于 1970 年首次提出, 广泛应用于各类时间序列数据分析, 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p, d, q) 模型计算复杂, 须借助计算机完成。本文介绍 ARIMA ( p, d, q) 模型的建立方法, 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p, d, q) 预测模型。( 二) 数据选择1.本文所有 GDP 数据来自于由中华人民共和国统计局汇编,中国统计出版社出版的 《新中国五十五年统计数据汇编》 。2.本文的所有数据处理均使用 EViews5.0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的, 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳, 因此可以对差分后或对数差分后的序列进行 ARMA( p, q) 拟合。ARIMA ( p, d, q) 模型的具体建模步骤如下:1.平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断, 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列, 如果存在一定的增长或下降趋势等,则需要对数据取对数或进行差分处理, 然后判断经处理后序列的平稳性。重复以上过程, 直至成为平稳序列。此时差分的次数即为ARIMA ( p, d, q) 模型中的阶数 d。为了保证信息的准确, 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要, 对于平稳的非白噪声序列则可以进行ARMA ( p, q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验, 可以以直观的方法直接观测得到结论。2.ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值, 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言, 由于样本的随机性, 样本的相关系数不会呈现出理论截尾的完美情况, 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性, 随着延迟阶数的增大, 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明, 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 0.05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数, 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择, 从 ARMA ( p,q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。3.模型检验。模型检验主要是检验模型对原时间序列的拟和效果, 检验整个模型对信息的提取是否充分, 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验, 即残差序列不是为白噪声序列, 那么要重新选择模型进行拟合。如残差序列是白噪声序列, 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p, d, q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据, 运用统计学和计量经济学原理, 从时间序列的定义出发, 结合统计软件 EVIEWS 运用 ARMA建模方法, 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测, 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。4.模型预测。根据检验和比较的结果, 使用 Eviews 软件中的forecas t 功能对模型进行预测, 得到原时间序列的将来走势。 对比预测值与实际值, 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响, 这些因素之间又有着错综复杂的关系, 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列, 得出其变化规律, 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析, 为了对模型的正确性进行一定程度的检验, 现用前 50 个数据参与建模, 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理1.差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性, 因此需要再次进行差分, 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值, 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性, 因此 ARIMA ( p, d,q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:2.对数。利用 EViews 软件, 对原数据取对数:对已经形成的对数序列进行一阶差分, 然后进行 ADF 检验:由上表可见, 现在的对数一阶差分序列是平稳的, 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分, 因此认为 ARIMA ( p, d, q) 中 d=1。( 二) ARMA ( p, q) 模型的建立ARMA ( p, q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 2.136479 - 4.161144 - 3.506374 - 3.183002 11.20582非平稳1 - 2.764521 - 4.165756 - 3.508508 - 3.184230 11.171892 - 2.101495 - 4.170583 - 3.510740 - 3.185512 11.180023 - 2.418890 - 4.175640 - 3.513075 - 3.186854 11.205434 - 2.230514 - 4.180911 - 3.515523 - 3.188259 11.27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 5.714836 - 4.170583 - 3.510740 - 3.185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 5.448501 - 3.574446 - 2.923780 - 2.599925 - 1.536478 - 1.458512平稳 1 - 3.832346 - 3.577723 - 2.925169 - 2.600658 - 1.662966 - 1.5448712 - 3.398029 - 3.581152 - 2.926622 - 2.601424 - 1.770517 - 1.6115043 - 3.324520 - 3.584743 - 2.928142 - 2.602225 - 1.747432 - 1.546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR, MA的取值进行实现, 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知, 最优情况本应该在 AR ( 1) , MA ( 1) 时取得, 但AR, MA都取 1 时无法实现平稳, 舍去。对于后面两种情况进行比较, 而 P=1 时 AIC 与 SC 值都比较小, 在该种情况下方程如下:综上所述选用 ARIMA ( 1, 1, 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验, 得出残差序列相互独立的概率很大, 故不能拒绝序列相互独立的原假设, 检验通过。模型均值及自相关系数的估计都通过显著性检验, 模型通过残差自相关检验, 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型, 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1, 1, 0) 预测值与实际值的比较由上表可见, 该模型在短期内预测比较准确, 平均绝对误差为 6.876% , 但随着预测期的延长, 预测误差可能会出现逐渐增大的情况。下面, 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中, 湖北省的地方生产将保持增长的势头, 但 2008 年的增长率不如 2007 年, 这一点值得注意。GDP毕竟与很多因素有关, 虽然我们一致认为, 作为我国首次主办奥运的一年, 2008 将是中国经济的高涨期, 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高, 但这有很大一部分是奥运赛场所在地带来的经济效应, 而不是所有地方都能够享有的。正如 GDP 数据显示, 1998 年尽管全国经济依然保持了一个比较好的态势, 但湖北省的经济却因洪水遭受不小的损失。作为一个大省, 湖北省理应对自身的发展承担起更多的责任。总的来说, ARIMA模型从定量的角度反映了一定的问题, 做出了较为精确的预测, 尽管不能完全代表现实, 我们仍能以ARIMA模型为基础, 对将来的发展作出预先解决方案, 进一步提高经济发展, 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法, 其模型比较简单,对资料的要求比较单一, 在实际中有着广泛的适用性。在应用中,应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中, 由于 GDP 的特殊性, ARIMA模型以自身的特点成为了 GDP 预测上佳选择, 但是预测只是估计量, 真正精确的还是真实值, 当然, ARIMA 模型作为一般情况下的 ARMA 模型, 运用了差分、取对数等等计算方法, 最终得到进行预测的时间序列, 无论是在预测上, 还是在数量经济上, 都是不小的进步, 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析, 拟合 ARIMA( 1, 1, 0) 模型, 并运用该模型对湖北省的经济进行了小规模的预测,得到了较为满意的拟和结果, 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考, 究竟是什么原因造成了这样的结果, 同时我们也需要到 2008 年再次进行比较, 以此来再次确定 ARIMA ( 1, 1, 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 1.536412 - 1.321820 - 1.135728最优为 AR(1)MA(1)SC - 1.458445 - 1.282837 - 1.097119Variable Coefficient Std. Error t- Statistic Prob.AR(1) 0.586643 0.115236 5.090781 0.0000R- squared - 0.226023 Mean dependent var 0.104967Adjusted R- squared - 0.226023 S.D. dependent var 0.111688S.E. of regression 0.123668 Akaike info criterion - 1.321820Sumsquared resid 0.718807 Schwarz criterion - 1.282837Log likelihood 32.72369 Durbin-Watson stat 2.132697Inverted AR Roots .59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 4975.63 4904.72 - 1.436.8762003 5401.71 5125.82 - 5.122004 6309.92 5496.78 - 12.892005 6687.78 6374.83 - 4.682006 7497.00 6728.05 - 10.26年度 GDP 值 7497.00 8026.08 8359.59增长率(%) — 7.06 4.16表 6 ARIMA ( 1, 1, 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时, 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价, 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性, 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果, 有必要根据一些模糊因素来改进其评价方法, 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28