基于粗集理论的线性回归方法及实证分析.pdfVIP

基于粗集理论的线性回归方法及实证分析1 刘盾，胡培 西南交通大学经管学院，成都（610031 ） E-mail ：newton83@163.com 摘 要：本文通过分析在实际问题中经济变量间往往出现多重共线性的现象，将粗集理论的 约简思想引入线性回归分析，提出了基于粗集理论的线性回归模型来解决多重共线性问题， 并通过实证分析来验证模型的可行性，这为人们进行科学的预测和决策提供了一种新的思想 和方法。 关键词：线性回归，粗集理论，多重共线性，属性约简 中图分类号：N945.25 文献标识码：A 0. 引言 在许多经济管理问题中，特别是需要利用截面数据来定量地研究因变量与自变量间的相 互关系、利用时间序列数据来对未来的某种经济现象作出预测、利用混合数据来对实际经济 问题做更深入的分析时，人们往往采用回归分析这种多元统计方法。而在实际中应用得最广 泛的是回归分析中最为基础的线性回归模型。 对于古典线性回归模型而言，所建立的方程必须满足Gauss-Markov 定理中的6 条假设， 在这些假设中最重要的是要求回归方程中各自变量间是相互独立的，但这在大多数经济问题 【 】 中是不可实现的 1,2 。由于经济变量间的相关性，人们得到的回归方程大多都表现出多重共 线性。虽然目前已经有一些比较成熟的探查和消除多重共线性的方法，但如果出现样本和属 性数目繁多，变量间关系较为复杂的情形，经典方法就稍显不足了。 本文利用波兰数学家Pawlak 在1982 年提出的粗集理论（Rough Sets Theory ）来研究回 【】 归模型 3 ，并利用粗集的属性约简思想来分析经济管理问题中的多重共线性问题，提出一 种新的解决多重共线性的方法，这为处理类似问题提供了一种新的途径。 1. 线性回归分析与粗集理论的融合机理 对于某一线性回归模型而言，方程的确定主要依赖于各个样本s ,s ,Ls 在不同指标 1 2 n 下的观测值，即利用最小二乘估计来确定自变量的系数并进行相关的显著性检验。假设用 X 1,X 2 ,L, X m 表示m 个自变量，其中X p {xp 1 ,xp 2 ,L,xpn }为第p 个自变量的n 个观测 值；用Y 表示因变量，Y {y , y ,L, y }为其n 个观测值。则线性回归的基本模型可以写 1 2 n 为： Y=Xβ+ε 其中： y 1 x L x β ε ⎛ ⎞ ⎛ 11 m1 ⎞ ⎛ ⎞ ⎛ ⎞ 1 0 1 ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ y 2 1 x12 L xm 2 β1 ε2 Y ⎜ ⎟ X ⎜ ⎟ β= ⎜ ⎟ ε= ⎜ ⎟ ⎜ ⎟M ⎜M M M M ⎟ ⎜ ⎟M ⎜ ⎟M ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ y n 1 x L x βm εn