多元统计分析实例股票

『壹』 《应用多元统计分析高惠璇》pdf下载在线阅读全文，求百度网盘云资源

《应用多元统计分析高惠璇》网络网盘pdf最新全集下载:
链接：https://pan..com/s/1FOqidnwh7IFom3zmH4ruQQ

?pwd=e6dj 提取码：e6dj
简介：本书为北京大学数学科学学院概率统计系“应用多元统计分析”课程使用多年的教材，它主要介绍一些实用的多元统计分析方法的理论及其应用，而且还详举了非常多的实例。

『贰』 求一个学年论文题目（经济类，最好和统计有关的）

提供一些经济统计类的学年论文题目，供写作参考。

1. 某省各地市经济发展水平的综合评价
2. 工业企业经济效益综合评价的应用研究
3. 某省市经济发展水平分区研究
4. 某省市消费拉动第三产业增长的实证分析
5. 某省市城镇居民消费结构变化趋势研究
6. 某省普通高等教育生源变动趋势与对策研究
7. 某省城镇居民消费结构比较研究
8. 某高校学生的心理健康统计分析
9. 课堂教学评估体系与方法研究
10. 某市各区县经济综合实力评价研究
11. 基于多元统计的某省经济分区研究
12. 因子分析在某省利用外资效果评价中的应用
13. 因子分析在居民消费结构变动分析中的应用
14. 因子分析在企业竞争力评价中的应用
15. 深沪股市收益率分布特征的统计分析
16. 某省市农民收入问题的调查与思考
17. 最优加权组合法在GDP预测中的运用研究
18. 最优加权组合法在粮食产量预测中的运用研究
19. 最优加权组合法在能源消耗预测中的运用研究
20. 我国（某省）实际人均GDP的趋势分析及预测
21. 某省市工业经济效益的综合评价
22. 工业企业科技竞争力的综合评价
23. 某省市城镇居民消费结构的地区差异分析
24. 某省市各地区经济综合实力的评价
25. 基于因子分析法的上市公司财务状况评价研究
26. 某省工业化进程统计测度及实证分析
27. 某省城市化进程统计测度及实证分析
28. 某省城市规模发展水平分析与比较研究
29. 某省市工业行业结构特征的因子分析
30. 城镇居民消费的典型相关分析
31. 我国（某省）各地区人口素质差异的统计分析
32. 我国（某省）三次产业结构变动的统计分析
33. 某省农业产业化发展的实证研究
34. 某省外贸出口与经济发展关系的实证研究
35. 县域经济发展综合评价的实证研究
36. 某省各县市经济发展的聚类分析
37. 某省各县市产业结构的聚类分析
38. 某省（市）信息化实现程度实证评价
39. 某省（市）环境保护综合评价
40. 我国科技进步贡献率的测度
41. 某省（市）居民生活水平与质量实证评价
42. 某省（市）经济外向度实证研究
43. 县级政绩考核指标体系与方法研究
44. 我国城乡居民收入差距实证研究
45. 我国东西部城镇居民收入差距实证研究
46. 某省市城镇居民消费水平与结构变化趋势研究
47. 某省市投资拉动GDP增长的实证研究
48. 耐用品需求预测模型及其应用研究
49. 某省市GDP周期波动实证研究
50. 某省市工业周期波动实证研究
51. 某省市零售市场周期波动实证研究
52. 某省市农民收入周期波动实证研究
53. 某省市人口最优预测模型与应用研究
54. 某省市人口老龄化趋势与对策研究
55. 某省市财政收支变化趋势与对策研究
56. 某省市城镇居收入差距变化趋势与对策研究
57. 某省市农民收入差距变化趋势与对策研究
58. 长江水质的综合评价与预测
59. 多元统计分析方法在股票市场板块中的应用研究
60. ARCH族波动模型研究及其在我国股市中的应用研究

『叁』 初一数学问题

1. 统计学的三个基本发展趋势及其启示
朱永平 文献来自: 中国统计 2001年 第08期 CAJ下载 PDF下载
与统计学中的判别分析也存在一些可相互借鉴的方面。特别是关于质度函数与可拓变换理论,都有可能应用于统计指标的计算,目前也有文献在这方面取得了一定的成绩。神经网络方法被广泛应用于统计预测与多指标统计综合评价。此外,管 ...
被引用次数: 6 文献引用-相似文献-同类文献

2. 评价判别模型诊断效果的ROC分析
李康,林一帆 文献来自: 中国卫生统计 1996年 第03期 CAJ下载 PDF下载
判别模型,累积比数模型ROC分析已成为评价诊断试验的一种重要方法。本文介绍了ROC分析的基本思想,提出用ROC分析评价判别模型的优劣,给出了ROC曲线回归估计的方法,并且导出了估计ROC曲线下面积A及标准误SE ...
被引用次数: 13 文献引用-相似文献-同类文献

3. 基于Fisher准则的判别分析
陈峰,祝绍琪 文献来自: 中国卫生统计 1994年 第03期 CAJ下载 PDF下载
基于Fisher准则的判别分析@陈峰@祝绍琪$南通医学院医学统计学教研室$华西医科大学卫生统计学教研室Fisher准则,多类判别本文较全面地阐述了Fisher准则下的多类判别,及其与Bayes判别、回归分析之关系。由于Fisher判 ...
被引用次数: 4 文献引用-相似文献-同类文献

4. 基于PCA与LDA的说话人识别研究
章万锋 文献来自: 浙江大学 2004年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
判别分析方法有多种,包括距离判别、Bayes判别以及线性判别。其中 线性判别分析(LDA),又称费歇判别分析、基于类的K一L变换,由Fisher第一次提出,可以表 示不同的特征变量,在多元统计分析中 ...
被引用次数: 1 文献引用-相似文献-同类文献

5. 综合评价的多元统计分析方法
祁洪全 文献来自: 湖南大学 2001年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
本文针对主成分分析、因子分析两种紧密相关的多元统计分析方法, 从理论和实践两方面作了一定的研究;除了分析和改进两种多元分析方法 之外,还建立了应用它们进行综合评价的数学模型,并且应用这些模型对 实际问题进行了综合评价 ...
被引用次数: 3 文献引用-相似文献-同类文献

6. 分析化学计量学
吴海龙,梁逸曾,俞汝勤 文献来自: 分析试验室 1999年 第06期 CAJ下载 PDF下载
罗宏杰编著成《中国古陶瓷与多元统计分析》一书[B4],从多元统计的数学方法入手,侧重于对应分析、聚类分析以及判别分析等数学方法在中国古陶瓷研究中的应用。3 试验设计与优化正交试验设计和单纯形优化法目前仍然是试验设计和优化的主要方法。其目 ...
被引用次数: 12 文献引用-相似文献-同类文献

7. 综合评价的多元统计分析方法
祁洪全 文献来自: 湖南大学 2001年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
本文针对主成分分析、因子分析两种紧密相关的多元统计分析方法, 从理论和实践两方面作了一定的研究;除了分析和改进两种多元分析方法 之外,还建立了应用它们进行综合评价的数学模型,并且应用这些模型对 实际问题进行了综合评价 ...
被引用次数: 3 文献引用-相似文献-同类文献

8. 逐步判别分析法的计算机实现
常进荣,任翔,赵磊峰 文献来自: 云南农业大学学报 1995年 第03期 CAJ下载 PDF下载
摘要用汉字Foxbase开发一个操作界面好、通用性强的逐步判别分析计算程序.关键词逐步判别分析,算法,程序本国分类号TP311.52逐步判别分析法是多元统计学中的一类重要方法。它在生物学、农学、医学等领域中有着广泛的应用,以前的多元统计分析计算程序大多是在pc-150 ...
被引用次数: 2 文献引用-相似文献-同类文献

9. 小样本数据信用风险评估研究
王春峰,李汶华 文献来自: 管理科学学报 2001年 第01期 CAJ下载 PDF下载
普通的判别分析方法可能导致较大的判别误差 ,因此采用本文提出的CV方法来构建判别分析模型 ,试图提高判别精度 ...
被引用次数: 29 文献引用-相似文献-同类文献

10. 研发项目中止决策分析与判别
侯强 文献来自: 辽宁工程技术大学 2003年 硕士论文 CAJ下载 在线阅读 分章下载 分页下载
从项目中止决策内涵入手,结合国内外研究现状,以直观经 济分析和投资可靠性分析为切入点,分析了项目中止决策的必要 性,从价值评估理论角度分析了项目中止决策的价值基础,从自 主开发和委托代理角度分析了项目中止决策的运行机制。 依据研究与开发项目的...
被引用次数: 2 文献引用-相似文献-同类文献

查判别分析 的定义
查统计学 的定义
搜多元统计 的学术趋势
搜思想 的学术趋势

搜索相关数字
股票交易统计上市股票数目
股票交易统计上市公司数目
股票交易统计股票流通市值

『肆』 多元回归分析中的beta值是啥

beta值是一种风险指数，用来衡量个别股票或股票基金相对于整个股市的价格波动情况。β值越高，意味着股票相对于业绩评价基准的波动性越大，反之亦然。

当β=1时，表示该股票的收益和风险与大盘指数收益和风险一致；当β>1时，表示该股票收益和风险均大于大盘指数的收益和风险。

(4)多元统计分析实例股票扩展阅读：

针对不同板块beta系数的大小，可以给投资者提供不同阶段的选股思路。以上证指数的表现为例，1季度大盘出现单边下跌的趋势性行情。

对于仓位控制比较理想的投资者当然首先选择趋势投资，尽可能的保持较低比例的仓位是取胜之道。但对于大多数投资者而言，可能会面临持有何种股票而又能抗跌于大盘。

『伍』 多元统计分析的图书信息

书 名: 多元统计分析:模型、案例及SPSS应用
作者：王力宾
出版社： 经济科学出版社
出版时间： 2010年03月
ISBN: 9787505891029
开本： 16开
定价: 35.00 元 《多元统计分析:模型、案例及SPSS应用》在编写上的基本特点是，尽可能叙述各种方法的统计思想及方法的本身操作，尽量避开数学证明或公式推导等内容；通过案例讲述各种方法在SPSS软件中的实现过程，以达到深入浅出、通俗易懂的目标；每章后都配有一定量的习题，以方便自学之用；最后给出两份综合模拟试题，用于检验读者的学习效果。
本教材的适用对象主要是财经类院校的统计专业本科生和经济与管理类学科的硕士研究生，也适用于社会上各个领域中需要数据分析处理的广大统计工作者。 王力宾，汉族，教授。先后于1985年和1988年毕业于云南大学经济系企业管理专业和统计学专业，获经济学学士和硕士学位。1988年8月到云南财贸学院任教，2001年破格晋升为教授。1992年8,q至1993年10月赴英国格拉斯哥大学进修统计学，1998年1月至7月以教育部公派访问学者身份赴荷兰提尔堡大学进修西方经济学。2002年7月考入天津财经大学统计系攻读博士，2006年12月获经济学博士学位。历任云南财贸学院计划统计系副主任、成教院常务副院长和教务处处长等职。现任云南财经大学副校长、统计学学科带头人、硕士生导师、云南省统计学会副会长、中国统计教育学会常务理事等职。
先后在《数量经济技术经济研究》、《数理统计与管理》、《预测》、《云南财经大学学报》等学术刊物上发表论文30余篇，其中《中国大城市土地增值问题研究——对昆明市城区土地增值的实证分析》获云南省第五次社会科学优秀成果一等奖；《特征价格理论与住房价格指数编制方法》、《住房特征价格指数编制方法与实证分析》是我国经济学界较早介绍和研究特征价格指数编制方法的论文。主持、参与完成国家和省部级科研课题10余项，其中“基于特征价格理论的价格指数与商品质量变动研究”（09BTJ014）、“技术创新和产品质量变化对云南省经济增长的影响-基于特征价格理论的研究”、“云南县城经济发展研究”、“多层次多主题抽样调查研究”、“云南省城镇土地市场现状、问题与对策研究”等课题获得政府部门奖励，并产生一定的社会影响。 第1章 统计软件概述
1.1 SPSS统计软件的特点
1.2 SPSS的主要窗口及其功能
1.2.1 数据编辑窗口(SPSS Data Editor)
1.2.2 结果输出窗口(SPSS Viewer)
1.2.3 程序语句窗口(SPSSS yntax Editor)
1.3 SPSS的帮助窗口(SPSS help)
1.3.1 Help菜单中的Topics命令
1.3.2 Help菜单中的Tutorial命令
1.3.3 Help菜单中的Statistics Coach命令
1.3.4 Help菜单中的Syntax Guide命令
1.4 定义变量及建立数据文件
1.4.1 常量与变量
1.4.2 建立数据文件
1.5 基于Compute功能建立新变量
1.5.1 生成新的变量
1.5.2 Functions框中分布函数的功能
习题一
第2章 数据描述性分析
2.1 集中趋势(Central Tendency)分析
2.1.1 集中趋势
2.1.2 SPSS中集中趋势分析实现过程
2.2 离散趋势(Dispersion Tendency)分析
2.2.1 离散趋势
2.2.2 SPSS中离散趋势分析实现过程
2.3 分布特征(Distribution Tendency)分析
2.3.1 分布特征
2.3.2 SPSS中分布特征分析的实现过程
2.4 频数(Frequency)分析及数据标准化
2.4.1 频数(Frequency)
2.4.2 数据标准化
2.4.3 SPSS中频数分析的实现过程
2.4.4 SPSS中Z分数的实现过程
2.5 相关关系
2.5.1 相关系数概述
2.5.2 二元变量的相关分析
2.5.3 SPSS中相关分析的实现过程
习题二
第3章 假设检验与方差分析
3.1 统计假设检验的基本问题
3.1.1 统计假设检验的基本思想
3.1.2 统计假设检验的基本步骤
3.1.3 统计假设检验中的P值
3.2 Mean过程
3.2.1 基本思想和数学模型
3.2.2 SPSS中Mean的实现过程
3.3 T检验
3.3.1 基本思想和数学模型
3.3.2 SPSS中T检验的实现过程
3.4 方差分析
3.4.1 基本思想和数学模型
3.4.2 SPSS中方差分析的实现过程
习题三
第4章 多元线性回归分析
4.重多元线性回归模型
4.1.1 多元线性回归模型的一般形式
4.1.2 多元线性回归模型的基本假定
4.1.3 多元线性回归方程
4.1.4 多元线性回归方程的解释
4.2 多元线性回归方程的估计
4.2.1 回归参数的最小二乘估计
4.2.2 误差项方差的估计
4.3 多元线性回归模型的检验
4.3.1 回归方程的拟合优度检验
4.3.2 回归方程的整体显著性检验
4.3.3 回归系数的显著性检验
4.4 残差分析
4.4.1 残差图
4.4.2 异常值的识别
4.4.3 自相关与DW检验
4.4.4 异方差检验
4.4.5 多重共线性检验
4.5 多元线性回归分析在SPSS软件中的实现
习题四
第5章 逐步回归分析
5.1 逐步回归分析概述
5.1.1 逐步回归分析的基本思想和步骤
5.1.2 引入和剔除变量的标准
5.2 计算方法和步骤
5.3 逐步回归分析在SPSS软件中的实现
习题五
第6章 非线性回归分析
6.1 曲线估计
6.1.1 曲线回归的基本思想和方法
6.1.2 曲线回归的数据要求与假设
6.1.3 曲线回归的基本类型及线性化方法
6.2 曲线回归在SPSS软件中的实现
6.3 非线性回归
6.3.1 非线性模型的迭代估计法
6.3.2 非线性模型的拟合原则、参数约束及确定初始值的原则
6.3.3 例题分析
6.4 非线性迭代回归在SPSS软件中的实现
6.5 Box-Cox变换
6.5.1 Box-Cox变换的提出
6.5.2 Box-Cox变换的基本思想
6.5.3 变换参数的极大似然估计
6.5.4 Box-Cox变换在Matlab软件中的实现
习题六
第7章 聚类分析
7.矍聚类分析的概述
7.1.1 聚类分析的概念和基本思想
7.1.2 聚类分析的种类
7.1.3 聚类方式
7.1.4 聚类分析的基本步骤
7.2 聚类统计量
7.2.1 距离类
7.2.2 相关类，
7.2.3 数据的标准化变换
7.3 系统聚类法
7.3.1 常用系统聚类法
7.3.2 系统聚类法的基本算法步骤
7.3.3 例题分析
7.4 聚类分析在SPSS软件中的实现
7.4.1 SPSS中Q型聚类分析的实现过程
7.4.2 SPSS中R型聚类分析的实现过程
7.5 快速聚类分析
7.5.1 快速聚类分析的基本思想
7.5.2 快速聚类分析的基本步骤
7.5.3 SPSS中快速聚类的实现过程
习题七
第8章 判别分析
8.直距离判别
8.1.1 两类总体的距离判别
8.1.2 多类总体的距离判别
8.2 费歇判别
8.2.1 两类总体的费歇判别
8.2.2 多类总体的费歇判别
8.3 贝叶斯判别
8.3.1 贝叶斯判别准则
8.3.2 多元正态总体的贝叶斯判别
8.4 判别分析在SPSS中的实现
习题
第9章 主成分分析
9.1 主成分的基本思想及其数学模型与数学推导
9.1.1 主成分的基本思想及其数学模型
9.1.2 主成分的数学推导
9.1.3 样本主成分
9.2 主成分的性质、提取及其求解步骤
9.2.1 主成分的性质
9.2.2 主成分的选取
9.2.3 主成分的求解步骤
9.3 主成分分析在SPSS软件中的实现
9.4 主成分回归
9.4.1 主成分回归的基本原理
9.4.2 主成分回归的实例分析
习题九
第10章 因子分析
10.1 因子分析的基本原理及其数学模型
10.1.1 因子分析的基本原理
10.1.2 因子分析的数学模型
10.1.3 因子分析模型的性质
10.1.4 因子载荷矩阵中的几个统计特征
10.2 因子分析模型参数的估计
10.3 因子旋转
10.3.1 方差最大正交旋转法的基本原理
10.3.2 方差最大正交旋转法的计算方法
10.4 因子得分
10.4.1 汤姆生因子得分
10.4.2 综合因子得分
10.5 因子分析在SPSS软件中的实现
习题十
模拟试题A
模拟试题B
参考文献
……

『陆』 IPO定价的因素分析

我们将承销商在IPO定价程序中可能考虑的各种因素分为两类，即外部因素和公司内部因素。它们的组合及其影响直接导致了IPO价格的确定。
所谓外部因素是指与企业正常经营状态相对独立的、不直接反映其内生持续盈利能力 但却影响承销商IPO定价判断的各种情况，它们包括国民经济运行状况、市场利率水平、突发性事件、行业宏观政策导向、产品市场预期、同业竞争情况、市场波动情况、股票发行规模以及承销商自身实力等等。这些因素可能会以不确定的、非线性的方式对承销商的定价过程发生作用，而且在特定的定价行为中，上述信息对IPO价格的最终形成主要起着经验性的非量化影响；公司内部因素是指反映在IPO价格中的直接体现公司素质和增长前景的各种要素的总和，包括承销商对其经营效率、获利能力、管理状况、资本结构等各种内部情况的评估结论。与外部因素不同之处在于，这些内部因素对于IPO定价主要可能起着较为确定的、线性的量化影响。
在模拟外部因素时，我们考虑到一些外部影响的量化难度而进行了相应的简化或剔除。最终，我们假设承销商的IPO定价程序主要受到以下四方面因素的直接影响：（1）市场波动情况；（2）股票发行数量；（3）行业特性；（4）承销商等级指数。
对因素（1），我们使用了上证指数的相对波动率指标来模拟整个市场的中短期波动情况。考虑到在实际发行程序中，IPO定价的最终确定时间一般是在正式发行日的两周之前，因此我们采用发行前两周的市场波动率组合S1来模拟市场气氛的研判环境。其计算公式为：
F/An=Ft/Fn（n=3，5，7，9，11，13，15）
其中，F/An代表相对于上证指数第n周移动平均收盘点位的市场波动率；
Ft为特定股票发行日两周前的上证指数收盘点位；
Fn为特定股票发行日两周前的上证指数n周移动平均收盘点位.
对于因素（3），我们使用了最新颁布的上市公司行业分类指引。由于两个交易所公布的上市公司行业分类结果详细程度不同，因此我们以深交所较为概括的分类标准来对样本公司所属的行业进行判别。
在因素（4）即承销商自身实力方面，我们考虑到美国的IPO市场中等级较高的投资银行所承销的IPO股票定价倾向于高出平均水平（Michelle Lowry&G. William Schwert，2001），因此，国内承销商的实力差别可能也会对其作出的IPO定价决策有所影响。在考虑多重指标之后，我们大致把1997－2000年样本期间内的主承销商进行了等级排名，共分为1、2、3、4个档次。其中，档次越靠前的承销商实力也越强。
在公司内部因素方面，我们考虑到市盈率指标所反映的公司基本面情况较为有限，而要试图对公司的内在价值运用现金流量贴现方法作出判断又会令主观因素的干扰加大。因此，为了全面反映特定公司的基本面素质，我们运用了71个财务指标来模拟公司的偿债能力、赢利能力、资产周转能力、管理效率等各个方面的情况。这些财务指标的原始数据均来自于样本公司招股说明书及上市公告书中上一个会计年度的资产负债表和收益表。尽管现金流量信息非常重要，但在权责发生制的框架下，资产负债表和收益表仍然可以完整地代表特定企业的财务状况和经营成果。鉴于报表编制基础的冲突，我们在选取财务数据时没有纳入现金流量信息。
另外，我国证券市场的政策环境变化较大，经验数据表明：市场的IPO定价从趋势上看，有突然间受到某种冲击而整体增加的迹象，而不是逐渐的增加；而从实际的市场情况来看，定价增加可能是因为受到一级市场市场化的政策的影响，从而表现出的不理性行为导致。基于上述两个原因，我们没有在后续的分析过程中引入时间变量。 （1）数据性质的检验
我们试图从81个变量中寻找到对新股价格有效的解释变量。如果这些变量高度相关，必然会导致回归方程中自变量相互削弱各自对y的边际影响，而出现回归方程整体显著，但各个变量都不显著的现象，也就是多重共线性的现象。另外，在众多的数据中如果存在奇异值，将严重地歪曲变量与自变量之间的关系，使回归方程不能很好地描述一般情况下变量与自变量之间的关系。因此，在发现奇异值时，应将其删除以使回归方程得到较好的效果。
我们通过标准化误差和标准化预测值的散点图检验数据是否存在奇异值的一般规则是：如果存在数据点明显超出 标准化误差值区间，则可以认为该数据是奇异值。根据结果看，几乎所有的值都在 标准化误差值区间内，有两个点远离该区间，显见这两个值是奇异值，将严重影响到回归方程的质量，应该剔除。这两个点对应的个体是新力药业（0153）和平高电气（600312）。
（2）多重共线性的检验
我们通过相关系数矩阵观察各指标之间的相关程度，从而判断各指标间是否存在高度的相关性。从相关系数矩阵可以看到，在拟选用的指标中，变量之间普遍存在着高度相关的现象，比如F/A7与F/A9之间的相关系数为0.977794、主营收入/有形资产与总资产周转率之间的相关系数高达 0.998043等等。所以，这些变量不能同时进入回归方程，在进行回归之前必须对数据进行处理以消除多重共线性的影响。
（3）数据处理
从上述数据性质的检验中，我们发现数据存在奇异值、存在多重共线性的现象。对于奇异值我们将其从数据中剔除，而对于多重共线性的问题我们采用主成分分析法进行处理。
拟选用的指标可以分为两类，即外部指标（行业类别、市场波动指数、承销商等级、发行量系数）和反映公司内部因素的财务指标类聚，并分别对这两类指标进行主成分分析。
（4）用多元统计分析中的主成分分析法进行数据简化
由于存在多重共线性的现象，也就是说各变量之间相互关联，所反映的信息很大程度上也是重复的，所以我们完全可以用少数一些变量来反映大部分的信息。主成分分析作为多元统计分析技术的一个分支，其主要目的就是浓缩数据，就是研究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子。这几个因子不仅保留了原始指标中的主要信息，而且彼此之间不相关，很好地避免了出现多重共线性的问题。
（5）从财务指标中提取公因子。
第一步，提取公因子，并进行因子旋转。
这一处理的结果发现：特征值（Total项）大于1的因子共13个，这13个因子的累计解释方差占到总方差的91.33864%，也即这13 个因子代表了原来所有71财务指标所表达的信息量的91%左右，代表了绝大多数的信息。而变量数由71个减少到13个，以最小的信息丢失量，极大地简化了数据。在之后的回归分析中，我们将用这13个共因子替代原来的71个财务指标进行回归。通过主成分法得到的公因子是完全不相关的，即相关系数为0，用它们进行回归分析就不会出现多重共线性问题。
另外，因子旋转后并没有改变这13个因子的累计解释方差占到总方差的比例，旋转前后该比例均为91.33864%，只是在各个因子之间的分配比例有所变化。
第二步，计算因子得分。
实际上因子得分是通过原始变量的线性组合得到，原始变量前的系数就是因子载荷矩阵中的因子载荷。
（6）从市场指数波动指标中提取公因子
利用上表中的因子载荷矩阵计算因子得分S1
S1=0.823232×（F/A3）+A+0.895644×（F/A15）
（7）用虚拟变量处理行业数据
对于样本所含的94只新股，共涉及19个不同行业，我们引入虚拟变量进行处理。我们用18个虚拟变量di（i=1，2A 18 ）来反映行业分布对新股定价的影响。
（8）回归分析
在剔除奇异值、运用主成分分析法浓缩数据并同时处理了多重共线性的问题之后，我们即可进行最后的回归分析。下面是我们通过采用主成分法得到的财务指标的公因子、市场指标的公因子及发行量系数、行业类别的虚拟变量、券商等级等因素对被解释变量（即IPO价格）进行逐步回归所选出的最优回归方程。
Price=14.27727－1.71038×发行量系数－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）最终结果分析：
在财务指标的公因子中，对新股价格有显著影响只有F1、F3、F4、F6、F8、F12、这六个因子，其余因子对新股价格影响甚小，不予考虑。除此之外，市场波动指标的公因子S1对新股价格的影响也是显著的，S1也进入了回归方程。发行量对新股价格的影响同样不能忽视。在反映行业分布的18 个虚拟变量中d11、d15和d17进入了方程，它们所对应行业为行业C99（其他制造业），行业G（信息技术业）和行业K（社会服务业），这说明在 2000年以来，属于这三个行业的上市公司在进行新股定价时，行业分布对其股票定价有显著影响。其中，行业C99和行业G对新股定价是正向的影响，而行业 K对新股定价的影响则是反向的。
上述的Tolerance和VIF两个指标为多重共线性的检查指标。可以看到，所有变量的Tolerance均大于0.1，VIF均小于10，因此不存在多重共线性的问题。
另外，检验数据表明，在5%的显著性水平下，各系数的t值与方程的F值全部通过检验，新股定价模型拟合效果非常好。
作为对比，我们对1997年至2001年初的328只IPO股票数据进行了类似分析，检验结果与上述结论较为相近（检验通过变量完全一致），但回归方程中的自变量系数有一些差别，而样本的拟合度也较差一些，这表明较长期间的IPO定价因素影响可能会随着结构性的市场变动而发生变化。另外，从行业分布角度看，在这一期间对股票定价有显著影响的行业也变成行业C99，行业F（交通运输、仓储业）和行业L（传播与文化产业）。其中，行业C99和行业 L对新股定价是正向的影响，而行业F对新股定价的影响则是反向的。这说明市场热点会随着一些环境因素的变化而转移。

『柒』 帮我举例几个有关统计学的生活例子好，谢谢！

• 你好，哥是统计学大四的学生，帮你解决下问题，

• 企业做数据报表，可以用统计学中的多元统计分析找出每期报表的联系，趋势和走向。

• 证劵中股票投资可以用统计学中因子分析和聚类分析，找出证劵报表中的关键项，有利于决策。

• 对现实生活中可能发生又没发生的事情，可以用统计学找出接受假设（即发生）的区间概率。

  纯手打，望采纳！！
  

『捌』 实用多元统计分析的内容简介

多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论，不仅需要对所研究的专业领域有很好的训练，而且要掌握必要的统计分析工具。
对研究者来说，本书是学习掌握多元统计分析的各种模型和方法的一本有价值的参考书：首先，它做到了“浅入深出”，既可供初学者入门，又能使有较深基础的人受益；其次，它既侧重于应用，又兼顾必要的推理论证，使学习者既能学到“如何”做，又能在一定程度上了解“为什么” 这样做；最后，它内涵丰富、全面，不仅基本包括各种在实际中常用的多元统计分析方法，而且对现代统计学的最新思想和进展有所介绍。值得一提的是，本书中有大量来自实际问题的数据实例，通过对这些实例的分析，读者可以学到如何将一个实际问题转化为恰当的统计问题，进而选择恰当的方法来进行分析。

『玖』 如何利用多元统计模型来优化股票型投资基金的业绩

这个问题有点复杂，多元统计模型太简单了，市场行情在变化，回测的数据结果也未必适应未来行情