多元統計分析實例股票

『壹』 《應用多元統計分析高惠璇》pdf下載在線閱讀全文，求百度網盤雲資源

《應用多元統計分析高惠璇》網路網盤pdf最新全集下載:
鏈接：https://pan..com/s/1FOqidnwh7IFom3zmH4ruQQ

?pwd=e6dj 提取碼：e6dj
簡介：本書為北京大學數學科學學院概率統計系「應用多元統計分析」課程使用多年的教材，它主要介紹一些實用的多元統計分析方法的理論及其應用，而且還詳舉了非常多的實例。

『貳』 求一個學年論文題目（經濟類，最好和統計有關的）

提供一些經濟統計類的學年論文題目，供寫作參考。

1. 某省各地市經濟發展水平的綜合評價
2. 工業企業經濟效益綜合評價的應用研究
3. 某省市經濟發展水平分區研究
4. 某省市消費拉動第三產業增長的實證分析
5. 某省市城鎮居民消費結構變化趨勢研究
6. 某省普通高等教育生源變動趨勢與對策研究
7. 某省城鎮居民消費結構比較研究
8. 某高校學生的心理健康統計分析
9. 課堂教學評估體系與方法研究
10. 某市各區縣經濟綜合實力評價研究
11. 基於多元統計的某省經濟分區研究
12. 因子分析在某省利用外資效果評價中的應用
13. 因子分析在居民消費結構變動分析中的應用
14. 因子分析在企業競爭力評價中的應用
15. 深滬股市收益率分布特徵的統計分析
16. 某省市農民收入問題的調查與思考
17. 最優加權組合法在GDP預測中的運用研究
18. 最優加權組合法在糧食產量預測中的運用研究
19. 最優加權組合法在能源消耗預測中的運用研究
20. 我國（某省）實際人均GDP的趨勢分析及預測
21. 某省市工業經濟效益的綜合評價
22. 工業企業科技競爭力的綜合評價
23. 某省市城鎮居民消費結構的地區差異分析
24. 某省市各地區經濟綜合實力的評價
25. 基於因子分析法的上市公司財務狀況評價研究
26. 某省工業化進程統計測度及實證分析
27. 某省城市化進程統計測度及實證分析
28. 某省城市規模發展水平分析與比較研究
29. 某省市工業行業結構特徵的因子分析
30. 城鎮居民消費的典型相關分析
31. 我國（某省）各地區人口素質差異的統計分析
32. 我國（某省）三次產業結構變動的統計分析
33. 某省農業產業化發展的實證研究
34. 某省外貿出口與經濟發展關系的實證研究
35. 縣域經濟發展綜合評價的實證研究
36. 某省各縣市經濟發展的聚類分析
37. 某省各縣市產業結構的聚類分析
38. 某省（市）信息化實現程度實證評價
39. 某省（市）環境保護綜合評價
40. 我國科技進步貢獻率的測度
41. 某省（市）居民生活水平與質量實證評價
42. 某省（市）經濟外向度實證研究
43. 縣級政績考核指標體系與方法研究
44. 我國城鄉居民收入差距實證研究
45. 我國東西部城鎮居民收入差距實證研究
46. 某省市城鎮居民消費水平與結構變化趨勢研究
47. 某省市投資拉動GDP增長的實證研究
48. 耐用品需求預測模型及其應用研究
49. 某省市GDP周期波動實證研究
50. 某省市工業周期波動實證研究
51. 某省市零售市場周期波動實證研究
52. 某省市農民收入周期波動實證研究
53. 某省市人口最優預測模型與應用研究
54. 某省市人口老齡化趨勢與對策研究
55. 某省市財政收支變化趨勢與對策研究
56. 某省市城鎮居收入差距變化趨勢與對策研究
57. 某省市農民收入差距變化趨勢與對策研究
58. 長江水質的綜合評價與預測
59. 多元統計分析方法在股票市場板塊中的應用研究
60. ARCH族波動模型研究及其在我國股市中的應用研究

『叄』 初一數學問題

1. 統計學的三個基本發展趨勢及其啟示
朱永平 文獻來自: 中國統計 2001年 第08期 CAJ下載 PDF下載
與統計學中的判別分析也存在一些可相互借鑒的方面。特別是關於質度函數與可拓變換理論,都有可能應用於統計指標的計算,目前也有文獻在這方面取得了一定的成績。神經網路方法被廣泛應用於統計預測與多指標統計綜合評價。此外,管 ...
被引用次數: 6 文獻引用-相似文獻-同類文獻

2. 評價判別模型診斷效果的ROC分析
李康,林一帆 文獻來自: 中國衛生統計 1996年 第03期 CAJ下載 PDF下載
判別模型,累積比數模型ROC分析已成為評價診斷試驗的一種重要方法。本文介紹了ROC分析的基本思想,提出用ROC分析評價判別模型的優劣,給出了ROC曲線回歸估計的方法,並且導出了估計ROC曲線下面積A及標准誤SE ...
被引用次數: 13 文獻引用-相似文獻-同類文獻

3. 基於Fisher准則的判別分析
陳峰,祝紹琪 文獻來自: 中國衛生統計 1994年 第03期 CAJ下載 PDF下載
基於Fisher准則的判別分析@陳峰@祝紹琪$南通醫學院醫學統計學教研室$華西醫科大學衛生統計學教研室Fisher准則,多類判別本文較全面地闡述了Fisher准則下的多類判別,及其與Bayes判別、回歸分析之關系。由於Fisher判 ...
被引用次數: 4 文獻引用-相似文獻-同類文獻

4. 基於PCA與LDA的說話人識別研究
章萬鋒 文獻來自: 浙江大學 2004年 碩士論文 CAJ下載 在線閱讀 分章下載 分頁下載
判別分析方法有多種,包括距離判別、Bayes判別以及線性判別。其中 線性判別分析(LDA),又稱費歇判別分析、基於類的K一L變換,由Fisher第一次提出,可以表 示不同的特徵變數,在多元統計分析中 ...
被引用次數: 1 文獻引用-相似文獻-同類文獻

5. 綜合評價的多元統計分析方法
祁洪全 文獻來自: 湖南大學 2001年 碩士論文 CAJ下載 在線閱讀 分章下載 分頁下載
本文針對主成分分析、因子分析兩種緊密相關的多元統計分析方法, 從理論和實踐兩方面作了一定的研究;除了分析和改進兩種多元分析方法 之外,還建立了應用它們進行綜合評價的數學模型,並且應用這些模型對 實際問題進行了綜合評價 ...
被引用次數: 3 文獻引用-相似文獻-同類文獻

6. 分析化學計量學
吳海龍,梁逸曾,俞汝勤 文獻來自: 分析試驗室 1999年 第06期 CAJ下載 PDF下載
羅宏傑編著成《中國古陶瓷與多元統計分析》一書[B4],從多元統計的數學方法入手,側重於對應分析、聚類分析以及判別分析等數學方法在中國古陶瓷研究中的應用。3 試驗設計與優化正交試驗設計和單純形優化法目前仍然是試驗設計和優化的主要方法。其目 ...
被引用次數: 12 文獻引用-相似文獻-同類文獻

7. 綜合評價的多元統計分析方法
祁洪全 文獻來自: 湖南大學 2001年 碩士論文 CAJ下載 在線閱讀 分章下載 分頁下載
本文針對主成分分析、因子分析兩種緊密相關的多元統計分析方法, 從理論和實踐兩方面作了一定的研究;除了分析和改進兩種多元分析方法 之外,還建立了應用它們進行綜合評價的數學模型,並且應用這些模型對 實際問題進行了綜合評價 ...
被引用次數: 3 文獻引用-相似文獻-同類文獻

8. 逐步判別分析法的計算機實現
常進榮,任翔,趙磊峰 文獻來自: 雲南農業大學學報 1995年 第03期 CAJ下載 PDF下載
摘要用漢字Foxbase開發一個操作界面好、通用性強的逐步判別分析計算程序.關鍵詞逐步判別分析,演算法,程序本國分類號TP311.52逐步判別分析法是多元統計學中的一類重要方法。它在生物學、農學、醫學等領域中有著廣泛的應用,以前的多元統計分析計算程序大多是在pc-150 ...
被引用次數: 2 文獻引用-相似文獻-同類文獻

9. 小樣本數據信用風險評估研究
王春峰,李汶華 文獻來自: 管理科學學報 2001年 第01期 CAJ下載 PDF下載
普通的判別分析方法可能導致較大的判別誤差 ,因此採用本文提出的CV方法來構建判別分析模型 ,試圖提高判別精度 ...
被引用次數: 29 文獻引用-相似文獻-同類文獻

10. 研發項目中止決策分析與判別
侯強 文獻來自: 遼寧工程技術大學 2003年 碩士論文 CAJ下載 在線閱讀 分章下載 分頁下載
從項目中止決策內涵入手,結合國內外研究現狀,以直觀經 濟分析和投資可靠性分析為切入點,分析了項目中止決策的必要 性,從價值評估理論角度分析了項目中止決策的價值基礎,從自 主開發和委託代理角度分析了項目中止決策的運行機制。 依據研究與開發項目的...
被引用次數: 2 文獻引用-相似文獻-同類文獻

查判別分析 的定義
查統計學 的定義
搜多元統計 的學術趨勢
搜思想 的學術趨勢

搜索相關數字
股票交易統計上市股票數目
股票交易統計上市公司數目
股票交易統計股票流通市值

『肆』 多元回歸分析中的beta值是啥

beta值是一種風險指數，用來衡量個別股票或股票基金相對於整個股市的價格波動情況。β值越高，意味著股票相對於業績評價基準的波動性越大，反之亦然。

當β=1時，表示該股票的收益和風險與大盤指數收益和風險一致；當β>1時，表示該股票收益和風險均大於大盤指數的收益和風險。

(4)多元統計分析實例股票擴展閱讀：

針對不同板塊beta系數的大小，可以給投資者提供不同階段的選股思路。以上證指數的表現為例，1季度大盤出現單邊下跌的趨勢性行情。

對於倉位控制比較理想的投資者當然首先選擇趨勢投資，盡可能的保持較低比例的倉位是取勝之道。但對於大多數投資者而言，可能會面臨持有何種股票而又能抗跌於大盤。

『伍』 多元統計分析的圖書信息

書 名: 多元統計分析:模型、案例及SPSS應用
作者：王力賓
出版社： 經濟科學出版社
出版時間： 2010年03月
ISBN: 9787505891029
開本： 16開
定價: 35.00 元 《多元統計分析:模型、案例及SPSS應用》在編寫上的基本特點是，盡可能敘述各種方法的統計思想及方法的本身操作，盡量避開數學證明或公式推導等內容；通過案例講述各種方法在SPSS軟體中的實現過程，以達到深入淺出、通俗易懂的目標；每章後都配有一定量的習題，以方便自學之用；最後給出兩份綜合模擬試題，用於檢驗讀者的學習效果。
本教材的適用對象主要是財經類院校的統計專業本科生和經濟與管理類學科的碩士研究生，也適用於社會上各個領域中需要數據分析處理的廣大統計工作者。 王力賓，漢族，教授。先後於1985年和1988年畢業於雲南大學經濟系企業管理專業和統計學專業，獲經濟學學士和碩士學位。1988年8月到雲南財貿學院任教，2001年破格晉升為教授。1992年8,q至1993年10月赴英國格拉斯哥大學進修統計學，1998年1月至7月以教育部公派訪問學者身份赴荷蘭提爾堡大學進修西方經濟學。2002年7月考入天津財經大學統計系攻讀博士，2006年12月獲經濟學博士學位。歷任雲南財貿學院計劃統計系副主任、成教院常務副院長和教務處處長等職。現任雲南財經大學副校長、統計學學科帶頭人、碩士生導師、雲南省統計學會副會長、中國統計教育學會常務理事等職。
先後在《數量經濟技術經濟研究》、《數理統計與管理》、《預測》、《雲南財經大學學報》等學術刊物上發表論文30餘篇，其中《中國大城市土地增值問題研究——對昆明市城區土地增值的實證分析》獲雲南省第五次社會科學優秀成果一等獎；《特徵價格理論與住房價格指數編制方法》、《住房特徵價格指數編制方法與實證分析》是我國經濟學界較早介紹和研究特徵價格指數編制方法的論文。主持、參與完成國家和省部級科研課題10餘項，其中「基於特徵價格理論的價格指數與商品質量變動研究」（09BTJ014）、「技術創新和產品質量變化對雲南省經濟增長的影響-基於特徵價格理論的研究」、「雲南縣城經濟發展研究」、「多層次多主題抽樣調查研究」、「雲南省城鎮土地市場現狀、問題與對策研究」等課題獲得政府部門獎勵，並產生一定的社會影響。 第1章 統計軟體概述
1.1 SPSS統計軟體的特點
1.2 SPSS的主要窗口及其功能
1.2.1 數據編輯窗口(SPSS Data Editor)
1.2.2 結果輸出窗口(SPSS Viewer)
1.2.3 程序語句窗口(SPSSS yntax Editor)
1.3 SPSS的幫助窗口(SPSS help)
1.3.1 Help菜單中的Topics命令
1.3.2 Help菜單中的Tutorial命令
1.3.3 Help菜單中的Statistics Coach命令
1.3.4 Help菜單中的Syntax Guide命令
1.4 定義變數及建立數據文件
1.4.1 常量與變數
1.4.2 建立數據文件
1.5 基於Compute功能建立新變數
1.5.1 生成新的變數
1.5.2 Functions框中分布函數的功能
習題一
第2章 數據描述性分析
2.1 集中趨勢(Central Tendency)分析
2.1.1 集中趨勢
2.1.2 SPSS中集中趨勢分析實現過程
2.2 離散趨勢(Dispersion Tendency)分析
2.2.1 離散趨勢
2.2.2 SPSS中離散趨勢分析實現過程
2.3 分布特徵(Distribution Tendency)分析
2.3.1 分布特徵
2.3.2 SPSS中分布特徵分析的實現過程
2.4 頻數(Frequency)分析及數據標准化
2.4.1 頻數(Frequency)
2.4.2 數據標准化
2.4.3 SPSS中頻數分析的實現過程
2.4.4 SPSS中Z分數的實現過程
2.5 相關關系
2.5.1 相關系數概述
2.5.2 二元變數的相關分析
2.5.3 SPSS中相關分析的實現過程
習題二
第3章 假設檢驗與方差分析
3.1 統計假設檢驗的基本問題
3.1.1 統計假設檢驗的基本思想
3.1.2 統計假設檢驗的基本步驟
3.1.3 統計假設檢驗中的P值
3.2 Mean過程
3.2.1 基本思想和數學模型
3.2.2 SPSS中Mean的實現過程
3.3 T檢驗
3.3.1 基本思想和數學模型
3.3.2 SPSS中T檢驗的實現過程
3.4 方差分析
3.4.1 基本思想和數學模型
3.4.2 SPSS中方差分析的實現過程
習題三
第4章 多元線性回歸分析
4.重多元線性回歸模型
4.1.1 多元線性回歸模型的一般形式
4.1.2 多元線性回歸模型的基本假定
4.1.3 多元線性回歸方程
4.1.4 多元線性回歸方程的解釋
4.2 多元線性回歸方程的估計
4.2.1 回歸參數的最小二乘估計
4.2.2 誤差項方差的估計
4.3 多元線性回歸模型的檢驗
4.3.1 回歸方程的擬合優度檢驗
4.3.2 回歸方程的整體顯著性檢驗
4.3.3 回歸系數的顯著性檢驗
4.4 殘差分析
4.4.1 殘差圖
4.4.2 異常值的識別
4.4.3 自相關與DW檢驗
4.4.4 異方差檢驗
4.4.5 多重共線性檢驗
4.5 多元線性回歸分析在SPSS軟體中的實現
習題四
第5章 逐步回歸分析
5.1 逐步回歸分析概述
5.1.1 逐步回歸分析的基本思想和步驟
5.1.2 引入和剔除變數的標准
5.2 計算方法和步驟
5.3 逐步回歸分析在SPSS軟體中的實現
習題五
第6章 非線性回歸分析
6.1 曲線估計
6.1.1 曲線回歸的基本思想和方法
6.1.2 曲線回歸的數據要求與假設
6.1.3 曲線回歸的基本類型及線性化方法
6.2 曲線回歸在SPSS軟體中的實現
6.3 非線性回歸
6.3.1 非線性模型的迭代估計法
6.3.2 非線性模型的擬合原則、參數約束及確定初始值的原則
6.3.3 例題分析
6.4 非線性迭代回歸在SPSS軟體中的實現
6.5 Box-Cox變換
6.5.1 Box-Cox變換的提出
6.5.2 Box-Cox變換的基本思想
6.5.3 變換參數的極大似然估計
6.5.4 Box-Cox變換在Matlab軟體中的實現
習題六
第7章 聚類分析
7.矍聚類分析的概述
7.1.1 聚類分析的概念和基本思想
7.1.2 聚類分析的種類
7.1.3 聚類方式
7.1.4 聚類分析的基本步驟
7.2 聚類統計量
7.2.1 距離類
7.2.2 相關類，
7.2.3 數據的標准化變換
7.3 系統聚類法
7.3.1 常用系統聚類法
7.3.2 系統聚類法的基本演算法步驟
7.3.3 例題分析
7.4 聚類分析在SPSS軟體中的實現
7.4.1 SPSS中Q型聚類分析的實現過程
7.4.2 SPSS中R型聚類分析的實現過程
7.5 快速聚類分析
7.5.1 快速聚類分析的基本思想
7.5.2 快速聚類分析的基本步驟
7.5.3 SPSS中快速聚類的實現過程
習題七
第8章 判別分析
8.直距離判別
8.1.1 兩類總體的距離判別
8.1.2 多類總體的距離判別
8.2 費歇判別
8.2.1 兩類總體的費歇判別
8.2.2 多類總體的費歇判別
8.3 貝葉斯判別
8.3.1 貝葉斯判別准則
8.3.2 多元正態總體的貝葉斯判別
8.4 判別分析在SPSS中的實現
習題
第9章 主成分分析
9.1 主成分的基本思想及其數學模型與數學推導
9.1.1 主成分的基本思想及其數學模型
9.1.2 主成分的數學推導
9.1.3 樣本主成分
9.2 主成分的性質、提取及其求解步驟
9.2.1 主成分的性質
9.2.2 主成分的選取
9.2.3 主成分的求解步驟
9.3 主成分分析在SPSS軟體中的實現
9.4 主成分回歸
9.4.1 主成分回歸的基本原理
9.4.2 主成分回歸的實例分析
習題九
第10章 因子分析
10.1 因子分析的基本原理及其數學模型
10.1.1 因子分析的基本原理
10.1.2 因子分析的數學模型
10.1.3 因子分析模型的性質
10.1.4 因子載荷矩陣中的幾個統計特徵
10.2 因子分析模型參數的估計
10.3 因子旋轉
10.3.1 方差最大正交旋轉法的基本原理
10.3.2 方差最大正交旋轉法的計算方法
10.4 因子得分
10.4.1 湯姆生因子得分
10.4.2 綜合因子得分
10.5 因子分析在SPSS軟體中的實現
習題十
模擬試題A
模擬試題B
參考文獻
……

『陸』 IPO定價的因素分析

我們將承銷商在IPO定價程序中可能考慮的各種因素分為兩類，即外部因素和公司內部因素。它們的組合及其影響直接導致了IPO價格的確定。
所謂外部因素是指與企業正常經營狀態相對獨立的、不直接反映其內生持續盈利能力 但卻影響承銷商IPO定價判斷的各種情況，它們包括國民經濟運行狀況、市場利率水平、突發性事件、行業宏觀政策導向、產品市場預期、同業競爭情況、市場波動情況、股票發行規模以及承銷商自身實力等等。這些因素可能會以不確定的、非線性的方式對承銷商的定價過程發生作用，而且在特定的定價行為中，上述信息對IPO價格的最終形成主要起著經驗性的非量化影響；公司內部因素是指反映在IPO價格中的直接體現公司素質和增長前景的各種要素的總和，包括承銷商對其經營效率、獲利能力、管理狀況、資本結構等各種內部情況的評估結論。與外部因素不同之處在於，這些內部因素對於IPO定價主要可能起著較為確定的、線性的量化影響。
在模擬外部因素時，我們考慮到一些外部影響的量化難度而進行了相應的簡化或剔除。最終，我們假設承銷商的IPO定價程序主要受到以下四方面因素的直接影響：（1）市場波動情況；（2）股票發行數量；（3）行業特性；（4）承銷商等級指數。
對因素（1），我們使用了上證指數的相對波動率指標來模擬整個市場的中短期波動情況。考慮到在實際發行程序中，IPO定價的最終確定時間一般是在正式發行日的兩周之前，因此我們採用發行前兩周的市場波動率組合S1來模擬市場氣氛的研判環境。其計算公式為：
F/An=Ft/Fn（n=3，5，7，9，11，13，15）
其中，F/An代表相對於上證指數第n周移動平均收盤點位的市場波動率；
Ft為特定股票發行日兩周前的上證指數收盤點位；
Fn為特定股票發行日兩周前的上證指數n周移動平均收盤點位.
對於因素（3），我們使用了最新頒布的上市公司行業分類指引。由於兩個交易所公布的上市公司行業分類結果詳細程度不同，因此我們以深交所較為概括的分類標准來對樣本公司所屬的行業進行判別。
在因素（4）即承銷商自身實力方面，我們考慮到美國的IPO市場中等級較高的投資銀行所承銷的IPO股票定價傾向於高出平均水平（Michelle Lowry&G. William Schwert，2001），因此，國內承銷商的實力差別可能也會對其作出的IPO定價決策有所影響。在考慮多重指標之後，我們大致把1997－2000年樣本期間內的主承銷商進行了等級排名，共分為1、2、3、4個檔次。其中，檔次越靠前的承銷商實力也越強。
在公司內部因素方面，我們考慮到市盈率指標所反映的公司基本面情況較為有限，而要試圖對公司的內在價值運用現金流量貼現方法作出判斷又會令主觀因素的干擾加大。因此，為了全面反映特定公司的基本面素質，我們運用了71個財務指標來模擬公司的償債能力、贏利能力、資產周轉能力、管理效率等各個方面的情況。這些財務指標的原始數據均來自於樣本公司招股說明書及上市公告書中上一個會計年度的資產負債表和收益表。盡管現金流量信息非常重要，但在權責發生制的框架下，資產負債表和收益表仍然可以完整地代表特定企業的財務狀況和經營成果。鑒於報表編制基礎的沖突，我們在選取財務數據時沒有納入現金流量信息。
另外，我國證券市場的政策環境變化較大，經驗數據表明：市場的IPO定價從趨勢上看，有突然間受到某種沖擊而整體增加的跡象，而不是逐漸的增加；而從實際的市場情況來看，定價增加可能是因為受到一級市場市場化的政策的影響，從而表現出的不理性行為導致。基於上述兩個原因，我們沒有在後續的分析過程中引入時間變數。 （1）數據性質的檢驗
我們試圖從81個變數中尋找到對新股價格有效的解釋變數。如果這些變數高度相關，必然會導致回歸方程中自變數相互削弱各自對y的邊際影響，而出現回歸方程整體顯著，但各個變數都不顯著的現象，也就是多重共線性的現象。另外，在眾多的數據中如果存在奇異值，將嚴重地歪曲變數與自變數之間的關系，使回歸方程不能很好地描述一般情況下變數與自變數之間的關系。因此，在發現奇異值時，應將其刪除以使回歸方程得到較好的效果。
我們通過標准化誤差和標准化預測值的散點圖檢驗數據是否存在奇異值的一般規則是：如果存在數據點明顯超出 標准化誤差值區間，則可以認為該數據是奇異值。根據結果看，幾乎所有的值都在 標准化誤差值區間內，有兩個點遠離該區間，顯見這兩個值是奇異值，將嚴重影響到回歸方程的質量，應該剔除。這兩個點對應的個體是新力葯業（0153）和平高電氣（600312）。
（2）多重共線性的檢驗
我們通過相關系數矩陣觀察各指標之間的相關程度，從而判斷各指標間是否存在高度的相關性。從相關系數矩陣可以看到，在擬選用的指標中，變數之間普遍存在著高度相關的現象，比如F/A7與F/A9之間的相關系數為0.977794、主營收入/有形資產與總資產周轉率之間的相關系數高達 0.998043等等。所以，這些變數不能同時進入回歸方程，在進行回歸之前必須對數據進行處理以消除多重共線性的影響。
（3）數據處理
從上述數據性質的檢驗中，我們發現數據存在奇異值、存在多重共線性的現象。對於奇異值我們將其從數據中剔除，而對於多重共線性的問題我們採用主成分分析法進行處理。
擬選用的指標可以分為兩類，即外部指標（行業類別、市場波動指數、承銷商等級、發行量系數）和反映公司內部因素的財務指標類聚，並分別對這兩類指標進行主成分分析。
（4）用多元統計分析中的主成分分析法進行數據簡化
由於存在多重共線性的現象，也就是說各變數之間相互關聯，所反映的信息很大程度上也是重復的，所以我們完全可以用少數一些變數來反映大部分的信息。主成分分析作為多元統計分析技術的一個分支，其主要目的就是濃縮數據，就是研究如何以最少的信息丟失把眾多的觀測變數濃縮為少數幾個因子。這幾個因子不僅保留了原始指標中的主要信息，而且彼此之間不相關，很好地避免了出現多重共線性的問題。
（5）從財務指標中提取公因子。
第一步，提取公因子，並進行因子旋轉。
這一處理的結果發現：特徵值（Total項）大於1的因子共13個，這13個因子的累計解釋方差佔到總方差的91.33864%，也即這13 個因子代表了原來所有71財務指標所表達的信息量的91%左右，代表了絕大多數的信息。而變數數由71個減少到13個，以最小的信息丟失量，極大地簡化了數據。在之後的回歸分析中，我們將用這13個共因子替代原來的71個財務指標進行回歸。通過主成分法得到的公因子是完全不相關的，即相關系數為0，用它們進行回歸分析就不會出現多重共線性問題。
另外，因子旋轉後並沒有改變這13個因子的累計解釋方差佔到總方差的比例，旋轉前後該比例均為91.33864%，只是在各個因子之間的分配比例有所變化。
第二步，計算因子得分。
實際上因子得分是通過原始變數的線性組合得到，原始變數前的系數就是因子載荷矩陣中的因子載荷。
（6）從市場指數波動指標中提取公因子
利用上表中的因子載荷矩陣計算因子得分S1
S1=0.823232×（F/A3）+A+0.895644×（F/A15）
（7）用虛擬變數處理行業數據
對於樣本所含的94隻新股，共涉及19個不同行業，我們引入虛擬變數進行處理。我們用18個虛擬變數di（i=1，2A 18 ）來反映行業分布對新股定價的影響。
（8）回歸分析
在剔除奇異值、運用主成分分析法濃縮數據並同時處理了多重共線性的問題之後，我們即可進行最後的回歸分析。下面是我們通過採用主成分法得到的財務指標的公因子、市場指標的公因子及發行量系數、行業類別的虛擬變數、券商等級等因素對被解釋變數（即IPO價格）進行逐步回歸所選出的最優回歸方程。
Price=14.27727－1.71038×發行量系數－0.41778×S1+6.70326×d11+3.861002×d15－3.06603×d17+1.132558×F1+0.579465×F3+0.863128×F4+0.67048×F6+0.422713×F8－ 0.6338×F12
其中R2=0.68
（9）最終結果分析：
在財務指標的公因子中，對新股價格有顯著影響只有F1、F3、F4、F6、F8、F12、這六個因子，其餘因子對新股價格影響甚小，不予考慮。除此之外，市場波動指標的公因子S1對新股價格的影響也是顯著的，S1也進入了回歸方程。發行量對新股價格的影響同樣不能忽視。在反映行業分布的18 個虛擬變數中d11、d15和d17進入了方程，它們所對應行業為行業C99（其他製造業），行業G（信息技術業）和行業K（社會服務業），這說明在 2000年以來，屬於這三個行業的上市公司在進行新股定價時，行業分布對其股票定價有顯著影響。其中，行業C99和行業G對新股定價是正向的影響，而行業 K對新股定價的影響則是反向的。
上述的Tolerance和VIF兩個指標為多重共線性的檢查指標。可以看到，所有變數的Tolerance均大於0.1，VIF均小於10，因此不存在多重共線性的問題。
另外，檢驗數據表明，在5%的顯著性水平下，各系數的t值與方程的F值全部通過檢驗，新股定價模型擬合效果非常好。
作為對比，我們對1997年至2001年初的328隻IPO股票數據進行了類似分析，檢驗結果與上述結論較為相近（檢驗通過變數完全一致），但回歸方程中的自變數系數有一些差別，而樣本的擬合度也較差一些，這表明較長期間的IPO定價因素影響可能會隨著結構性的市場變動而發生變化。另外，從行業分布角度看，在這一期間對股票定價有顯著影響的行業也變成行業C99，行業F（交通運輸、倉儲業）和行業L（傳播與文化產業）。其中，行業C99和行業 L對新股定價是正向的影響，而行業F對新股定價的影響則是反向的。這說明市場熱點會隨著一些環境因素的變化而轉移。

『柒』 幫我舉例幾個有關統計學的生活例子好，謝謝！

• 你好，哥是統計學大四的學生，幫你解決下問題，

• 企業做數據報表，可以用統計學中的多元統計分析找出每期報表的聯系，趨勢和走向。

• 證劵中股票投資可以用統計學中因子分析和聚類分析，找出證劵報表中的關鍵項，有利於決策。

• 對現實生活中可能發生又沒發生的事情，可以用統計學找出接受假設（即發生）的區間概率。

  純手打，望採納！！
  

『捌』 實用多元統計分析的內容簡介

多元統計分析是統計學中內容十分豐富、應用范圍極為廣泛的一個分支。在自然科學和社會科學的許多學科中，研究者都有可能需要分析處理有多個變數的數據的問題。能否從表面上看起來雜亂無章的數據中發現和提煉出規律性的結論，不僅需要對所研究的專業領域有很好的訓練，而且要掌握必要的統計分析工具。
對研究者來說，本書是學習掌握多元統計分析的各種模型和方法的一本有價值的參考書：首先，它做到了「淺入深出」，既可供初學者入門，又能使有較深基礎的人受益；其次，它既側重於應用，又兼顧必要的推理論證，使學習者既能學到「如何」做，又能在一定程度上了解「為什麼」 這樣做；最後，它內涵豐富、全面，不僅基本包括各種在實際中常用的多元統計分析方法，而且對現代統計學的最新思想和進展有所介紹。值得一提的是，本書中有大量來自實際問題的數據實例，通過對這些實例的分析，讀者可以學到如何將一個實際問題轉化為恰當的統計問題，進而選擇恰當的方法來進行分析。

『玖』 如何利用多元統計模型來優化股票型投資基金的業績

這個問題有點復雜，多元統計模型太簡單了，市場行情在變化，回測的數據結果也未必適應未來行情