APP下载

逐步线性回归与神经网络预测的算法对比分析

2014-03-19谭立云刘海生

华北科技学院学报 2014年5期

谭立云,刘海生,谭 龙

(1.华北科技学院基础部,北京东燕郊 101601;2.武汉大学经济与管理学院,湖北武汉 430072)

0 引言

在计量经济学的学习中,探讨经济变量的关系常用回归分析方法,由于经济变量之间一般存在多重共线性,因此在建立多变量的回归方程的过程中,常需要进行各种检验,从理论上讲,只有通过了各种检验的方程才能得以使用。建立逐步回归方程是最常用的分析方法,能较好地克服多重共线性问题,建立一个真正实用的回归方程是一个非常复杂的过程。智能计算是现代数据分析的主要方法,是一种“黑箱”操作,虽然不像回归分析,有严格的数理推理,但由于模仿人的智慧过程,尤以神经网络算法为核心,得到的结果非常满意而得到了普遍的应用,各种智能算法得到了空前发展[1]。智能算法较回归分析方法而言,效果如何,从已经查阅的一些文献[2~7]中我们可以发现,一般都是用多元线性回归方程与BP神经网络相比较,看其预测效果,大都表现为神经网络预测精度高。逐步回归分析跟神经网络的其他改进类型的神经网络相比较预测效果又怎么呢,从查阅的文献中几乎没人进行研究,这正是本文要探讨的问题,本文的算例是易丹辉教授主编的《数据分析与EVIEWS应用》一书中的实例[8],所用的智能算法[9~10]是BP神经网络、RBF径向神经网络和ELM极限学习机网络,所用的计算软件是Matlab神经网络工具箱。下面对这些理论做一个简单的论述。

1 逐步回归理……
登录APP查看全文