部分线性模型在税收分析和预测中的应用

摘要

部分线性回归模型是近几十年来统计学研究的热点之一。该模型是Engle等人在研究气温与用电量之间关系时提出的。由于部分线性回归模型结合了线性模型和非参数模型的特点，从而具有更大的灵活性。自从部分线性回归模型问世以来，已引起了众多学者的关注，取得了丰富的研究成果。其广泛应用于经济、金融以及生物医学等领域。 本文首先介绍了几种比较常见的半参数回归模型和其中应用最为广泛的部分线性回归模型的发展历史及国内外的研究现状。其次，介绍了非参数回归模型中回归函数的几种光滑方法及光滑参数的选择方法。在此基础上，引入最为常见的半参数回归模型即部分线性回归模型，并结合最小二乘与非参数估计方法来估计部分线性回归模型中的参数分量和非参数分量。同时介绍了模型的检验方法。最后，本文将部分线性回归模型应用于辽宁省税收分析和预测中，从中国统计年鉴中摘录主要经济指标数据，先运用主成份分析法对辽宁省经济指标数据进行降维处理，然后基于降维后的数据拟合部分线性回归模型。并将拟合后的模型对2013年辽宁省税收进行预测，所得结果优于常用的普通线性回归分析方法的预测结果。

目录

声明

摘要

1．1背景介绍

1．2模型介绍

1．2．1变系数模型

1．2．2部分线性模型

1．2．3函数系数部分线性模型

1．3部分线性回归模型的发展历史及国内外研究现状

1．3．1部分线性回归模型的发展历史

1．3．2部分线性回归模型的国内外研究现状

1．4论文主要内容

2．1非参数回归模型

2．2光滑方法

2．2．1核光滑

2．2．2核估计的性质

2．2．3局部多项式光滑

2．2．4权函数法

2．3选择光滑参数

2．3．1交叉验证

2．3．2广义交叉验证

2．4主成份分析原理介绍

2．5缺失数据

第3章半参数回归模型——部分线性模型

3．1模型引入

3．2模型估计方法

3．3模型检验

3．3．1拟合优度检验

3．3．2序列相关检验

第4章部分线性模型在辽宁省税收分析和预测中的应用

4．1样本选择及数据来源

4．2数据分析

4．2．1经济指标的相关性分析

4．2．2主成份分析

4．2．3缺失数据的处理

4．3部分线性模型的应用

4．4结果分析

第5章结论

参考文献

致谢