全文链接：http:///?p=28144作者：Yuanchang Luo近段时间，美国总统大选引起了世界各国的关注。共和党候选人唐纳德·特朗普和民主党候选人乔·拜登将角逐总统。两党候选人在金融贸易、经济金融治理以及防控措施等重点发展领域有着不同的立场和纲领。不同的立场的候选人对美国甚至全世界的经济发展有着一定的影响，本文结合具体数据，定量分析不同候选人对美国经济发展的影响。 解决方案任务/目标根据美国各指标数据以及两位候选人的不同 政策，分析出对美国经济的影响。 数据源准备在美国政府公开数据集上搜索数据，共 26 类， 并且用 GDP 来反映美国经济。得到数据后， 由于是时间序列数据，因此通过拉格朗日插值 法补充空值。并且，由于是美国政府公开的数 据集，因此默认异常值，即较大较小值是由实 际历史因素导致的，不作处理。 特征抽取首先经过观察特征间的相关矩阵以及和因变量的相 关性，初步剔除 7 个与因变量相关性非常低且指标 间相关性较高的指标，使用剩余１９个自变量作为 回归分析的指标。（剔除掉的指标：'美国个人收入 中位数','个人所得税（最高）','个人所得税（最低） ','商品和服务出口','金融资产净收购','劳动力市场状 况指数','失业率'） 建模多元线性回归，一般应用与多个特征指标的回 归问题。在多元线性回归的过程中，除了考虑模型的 AIC 最小外，还需考虑模型间自变量相互的关 系对因变量的影响，即多重共线性，通过 VIF 来剔除相关自变量。ARIMA，一般应用在时间序列领域上。ARIMA 模型是指将非平稳时间序列转化为平 稳时间序列，然后将结果变量做自回归（AR） 和自平移（MA）。 相关视频  模型优化1.通过 VIF 准则剔除相关的自变量：
上图为 VIF 最初结果和最终结果。进一步筛选 7 个指标进行预测。 2.通过 AIC 准则选择最优模型结合各因素的 t 检验以及模型的 AIC，通过向 前向后选择的方法，选择出最优的回归模型。
结合上图，确信此回归模型表现良好。 |
|
|
