基于灰色关联-逐步回归的我国政府债券发行量研究

来源:用户上传      作者:那园园 赵东学

　　摘 要：以我国政府债券发行量为研究对象，通过灰色关联分析法对其影响因素进行排序，采用逐步回归分析方法对显著性影响因素构建回归模型，并进行误差分析.
　　关键词：政府债券发行量；逐步回归分析；灰色关联分析；误差分析
　　[ 中图分类号 ]F270.5 [ 文献标志码 ] A
　　
　　Research on the Issuance of Chinese Government Bonds Based
　　on Grey Correlation-Step-by-Step Regression
　　NA Yuanyuan，ZHAO Dongxue
　　（School of Mathematical Sciences Mudanjiang Normal University，Mudanjiang 157011，China）
　　Abstract：Taking my country's government bond issuance as the research object，the influencing factors are ranked by grey relational analysis method，and then the regression model is constructed for the significant influencing factors by stepwise regression analysis method，and the error analysis is carried out.
　　Key words：government bond issuance；stepwise regression analysis；grey relational
　　analysis；error analysis
　　国家通过发放政府债券进行基础建设，债券发行量与各种经济数据相关.[1]本文综合运用灰色关联分析与逐步回归分析 法，对其影响因素及发展趋势进行研究.
　　1 政府债券发行量影响因素灰色关联分析
　　基于2021年中国人民银行统计数据，对1年期中债国债收益率（X1）、1年期Shibor利率（X2）、金融债券发行量（X3）、股票市场上证综合指数（X4）、股票市场深证成份指数（X5）、公司信用类债券（X6）、国际机构债券（X7）等的发行量指标进行统计分析.[2-4]
　　建立分析数列 参考数列为我国2021年的政府债券发行量，即[y=ykk=1，2…12].影响参考数列的比较数列为1年期中债国债收益率、1年期Shibor利率、金融债券发行量、股票市场上证综合指数、股票市场深证成份指数、公司信用类债券、国际机构债券，记为[x=xikk=1，2…12;i=1，2…7].
　　数据无量纲化处理 采用每个数据列的数据[xik，k=1，2…12;i=1，2…7]，除以对应列的第一个数据[xi1]，将数据列作初值化变换，数据保留小数点后三位.
　　关联系数及关联度 设[ξiki=1，2…7；[k=1，2…12]]为[xik]对[yk]在[k]时刻的关联系数，分辨率[ρ]取0.5.[5]为了使分散信息集中化，取各列的平均值作为曲线[xik]对曲线[yk]在[k]时刻的关联度，记为[ri，i=1，2…7].可以得到各因素与政府债券发行量间的关联度均大于 0.5，且关联度的排序为[r1>r3>r2>r5>r4>r6>r7]，即1年期中债国债收益率>金融债券发行量>1年期Shibor利率>股票市场深证成份指数>股票市场上证综合指数>公司信用类债券>国际机构债券.说明1年期中债国债收益率是影响我国政府债券发行量最关键的因素；1年期中债国债收益率和1年期Shibor利率之间的关联度相差无几，且与政府债券发行量关联度相对较低；排除正影响和负影响的因素，在分析政府债券发行量时应当注意公司国际机构债券和信用类债券对其的影响.[6]
　　2 逐步回归分析法在政府债券发行量的应用
　　政府债券发行量的线性回归分析.利用[SPSS]软件进行逐步回w：
　　第一，建立对逐步回归模型变量的输入与剔除过程（表1）.模型最先引入的变量是股票市场上证综合指数，再引入1年期中债国债收益率[7]，说明在逐步回归的过程中，股票市场上证综合指数和1年期中债国债收益率之间不存在多重共线性，引入变量会使变量之间产生多重共线性，影响研究结果.
　　第二，建立模型拟合优度检验（表2）.模型1的调整[R2]为0.543，模型2的调整[R2]为0.809，模型2更接近于1，说明模型2拟合程度更好.
　　第三，建立方差分析表（表3）.表3的结果表明，模型2更为合适，P值为0.000，在显著性水平为0.01情况下，可以认为政府债券发行量与1年期中债国债收益率和股票市场上证综合指数之间有线性关系.
　　第四，建立逐步回归分析预测模型的系数分析表（表4）.
　　考虑数据量纲的不同，选择非标准化系数作为回归系数.根据模型2建立逐步回归方程.
　　[y=10.772+13.147 x4-14 289.824 x1] . （1）

nlc202211251447

　　式（1）中，[y]表示政府债券发行量，[x4]表示股票市场上证综合指数，[x1]为1年期中债国债收益率.
　　经检验，P值为0.000，按照给定的显著性水平为0.01的情况下，回归方程有显著意义.且[x4]的偏回归系数为正，说明政府债券发行量和股票市场上证综合指数之间是正线性关系.[x1]的偏回w系数为负，说明政府债券发行量和1年期中债国债收益率之间是负线性关系.
　　第五，对模型进行残差检验.利用SPSS软件，以政府债券发行量为因变量，对逐步回归模型建立观测的累积概率对期望的累积概率的回归标准化残差图（图1）.标准化残差散点的分布在整体上均靠近直线，可以判断标准化残差呈正态分布，说明所建立的回归方程通过了显著性检验，回归方程与原始数据的拟合效果很好.
　　将2021年1至11月的股票市场上证综合指数和1年期中债国债收益率代入式（1），可得2021年1至11月的政府债券发行量的误差分析（表5）.表（5）的结果表明，绝对误差的均值为1 419.525 564，相对误差的均值是8.23%，将预测值与真实值进行对比，预测值是合理的，可以基于股票市场上证综合指数和1年期中债国债收益率的数据，利用逐步回归的模型对未来我国政府债券发行量进行预测.
　　3 总 结
　　本文综合灰色关联分析法与逐步回归分析方法，对我国政府债券发行量进行分析，其中1年期中债国债收益率和股票市场上证综合指数对政府债券发行量影响较大，具有一定的促进作用.进一步可以采用逐步回归分析方法，通过建立的回归模型，对政府债券发行量进行预测.
　　参考文献
　　[1]任小成.基于逐步回归模型的债券信用利差影响机理研究[J].中国商论，2022（04）：88-92.
　　[2]牛玉锐，张超，王超群.中国债券市场质量指标体系的构建与分析[J].金融论坛，2022，27（02）：10-18+30.
　　[3]张燕真.关于我国地方政府债券制度的完善探究[J].投资与创业，2021，32（20）：70-72.
　　[4]刘璐.我国债券市场ESG投资实践有效性研究[J].债券，2021（10）：61-70.
　　[5]梁伟.甘肃省粮食产量影响因素的灰色关联分析[J].生产力研究，2022（01）：53-56+160.
　　[6]李楠，焦庆宇，樊瑞，等.基于逐步回归法航空器滑行时间影响因素研究[J].计算机仿真，2021，38（09）：57-63.
　　[7]王飞，赵文英，董莹.改进的Logistic模型在中国城镇化水平预测中的应用[J].牡丹江师范学院学报：自然科学版，2022（01）：13-15.
　　[8]赵文英，谢威，褚文杰，等.基于PCA-FUZZY法的我国低碳农业发展水平的时空演化分析[J].数学的实践与认识，2021，51（22）：30-37.
　　[9]祖培福，褚文杰.基于灰色线性回归组合预测模型的牡丹江旅游人数预测研究[J].数学的实践与认识，2020，50（13）：280-286.
　　[10]褚文杰，林夏晨，祖培福，等.基于多元非线性回归分析的信用评级结果验证研究[J].牡丹江师范学院学报：自然科学版，2009（1）：7-9.
　　编辑：琳莉

nlc202211251447

转载注明来源:https://www.xzbu.com/1/view-15442554.htm