多元回归技术在财务金融管理中的应用.pptVIP

例如，为了估计汽车需求的价格弹性和收入弹性，得到销售量、平均价格、消费者收入的时间序列数据。设定回归式： 新的回归式中消除了多重共线性的影响。 由于在时间序列数据中价格Pt、收入It 一般都具有高度共线的趋势。因此，直接估计上面的回归式将存在问题。由于在同一式点上，价格与收入的相关程度不高，可先利用截面数据估计出收入弹性 ，再利用这一估计结果修改原回归式，变为： 6、利用时间序列数据的差分或离差进行估计 如果时间序列数据中，解释变量间存在高度相关，那么这些变量的差分之间不一定相关。因此利用差分进行回归能降低多重共线性的程度。 多重共线性的探查和解决 模型的应用及其分析 1.基本结果 表3是所有样本的截面回归结果．其中模型l是不考虑外部因素影响的结果。我们发现企业规模、盈利能力、资产负债率、清算比率以及在建工程指标均在1％水平显著，系数符号与我们前述预期基本一致。其中资产负债率水平与企业长期负债比重正相关表明资产负债率越高的企业往往自有资本较少．企业缺乏来自资本市场的长期资金的支持，故需要在借贷市场获得更多的长期借款。模型2是考虑外部因素(市场化程度)影响后的回归结果，可以发现内部因素变量的符号和显著性水平没有发生变化，但市场化指数变量MARKET系数为负．且在1％的水平显著，同时回归方程的拟合度得到提高。这表明外部市场化因素对企业债务期限