神马文学网变量的区分
来源：百度文库 编辑：神马文学网 时间：2024/04/30 11:42:58
回归分析模型主要是揭示事物之间相关变量的数量关系。首先要根据所研究的目的设置因变量y，然后再选取与因变量有统计关系的一些变量作为自变量。
通常情况下，我们希望因变量与自变量之间具有因果关系。一般先定“果”，再寻找“因”。回归分析模型主要是揭示事物间相关变量的数量联系。首先要根据所研究问题的目的设置因变量y，然后再选取与y有统计关系的一些变量作为自变量。通常情况下，我们希望因变量与自变量之间具有因果关系。尤其是在研究某种经济活动或经济现象时，我们必须根据具体的经济现象的研究目的，利用经济学理论，从定性角度来确定某种经济问题中各因素之间的因果关系。当我们把某一经济变量作为“果”之后，接着更重要的是要正确选择作为“因”的变量。在经济问题回归模型中，前者被称为“内生变量”或“被解释变量”，后者被称为“外生变量”或“解释变量”。变量的正确选择关键在于能否正确把握所研究经济活动的经济学内涵。这就要求研究者对所研究的经济问题及其背景要有足够的了解。例如，要研究中国通货膨胀问题，在金融理论的指导下，通常把全国零售物价总指数作为衡量通货膨胀的重要指标，那么，全国零售物价总指数作为被解释变量，影响全国零售物价指数的有关因素就作为解释变量，它包含国民收入、居民存款、工农业总产值、货币流通量、职工平均工资、社会商品零售总额等18个变量。在研究中国储蓄波动机理中，有学者曾把各项银行存款作为被解释变量，把货币发行量、全国零售物价指数、股票价格指数、银行利率、国债利率、居民收入等16个指标确定为解释变量。
在选择变量时要注意与一些专门领域的专家合作。例如研究金融模型时，就要与一些金融专家和具体业务人员合作；研究粮食生产问题，就要与农业部门的一些专家合作。这样做可以帮助我们确定模型变量。另外，不要认为一个回归模型所涉及的解释变量越多越好。一个经济模型，如果把一些主要变量漏掉肯定会影响模型的应用效果，但如果细枝末节一起进入模型也未必就好。当引入的变量太多时，可能选择了一些与问题无关的变量，还可能由于一些变量的相关性很强，它们所反映的信息有较严重的重叠，这就会出现共线性问题。当变量太多时，计算工作量太大，计算误差积累也大，估计出的模型参数精度自然不高。总之，回归变量的确定是一个非常重要的问题，是建立回归模型最基本的工作。这个工作一般一次并不能完全确定，通常要经过反复试算，最终找出最适合的一些变量。这在当今计算机的帮助下，已变得不太困难了。
通常情况下，我们希望因变量与自变量之间具有因果关系。一般先定“果”，再寻找“因”。回归分析模型主要是揭示事物间相关变量的数量联系。首先要根据所研究问题的目的设置因变量y，然后再选取与y有统计关系的一些变量作为自变量。通常情况下，我们希望因变量与自变量之间具有因果关系。尤其是在研究某种经济活动或经济现象时，我们必须根据具体的经济现象的研究目的，利用经济学理论，从定性角度来确定某种经济问题中各因素之间的因果关系。当我们把某一经济变量作为“果”之后，接着更重要的是要正确选择作为“因”的变量。在经济问题回归模型中，前者被称为“内生变量”或“被解释变量”，后者被称为“外生变量”或“解释变量”。变量的正确选择关键在于能否正确把握所研究经济活动的经济学内涵。这就要求研究者对所研究的经济问题及其背景要有足够的了解。例如，要研究中国通货膨胀问题，在金融理论的指导下，通常把全国零售物价总指数作为衡量通货膨胀的重要指标，那么，全国零售物价总指数作为被解释变量，影响全国零售物价指数的有关因素就作为解释变量，它包含国民收入、居民存款、工农业总产值、货币流通量、职工平均工资、社会商品零售总额等18个变量。在研究中国储蓄波动机理中，有学者曾把各项银行存款作为被解释变量，把货币发行量、全国零售物价指数、股票价格指数、银行利率、国债利率、居民收入等16个指标确定为解释变量。
在选择变量时要注意与一些专门领域的专家合作。例如研究金融模型时，就要与一些金融专家和具体业务人员合作；研究粮食生产问题，就要与农业部门的一些专家合作。这样做可以帮助我们确定模型变量。另外，不要认为一个回归模型所涉及的解释变量越多越好。一个经济模型，如果把一些主要变量漏掉肯定会影响模型的应用效果，但如果细枝末节一起进入模型也未必就好。当引入的变量太多时，可能选择了一些与问题无关的变量，还可能由于一些变量的相关性很强，它们所反映的信息有较严重的重叠，这就会出现共线性问题。当变量太多时，计算工作量太大，计算误差积累也大，估计出的模型参数精度自然不高。总之，回归变量的确定是一个非常重要的问题，是建立回归模型最基本的工作。这个工作一般一次并不能完全确定，通常要经过反复试算，最终找出最适合的一些变量。这在当今计算机的帮助下，已变得不太困难了。