【文章內(nèi)容簡(jiǎn)介】 其中，是分辨系數(shù)，一般在0與1之間選取。綜合關(guān)聯(lián)度體現(xiàn)了折線，的相似程度，有反映了，相對(duì)于始點(diǎn)變化速率的接近程度，是較為全面的表征數(shù)列之間是否聯(lián)系緊密的一個(gè)重要指標(biāo)[10]。（5） 灰色關(guān)聯(lián)度檢驗(yàn)根據(jù)前面所述關(guān)聯(lián)度的計(jì)算方法算出比較數(shù)列與參考數(shù)列的關(guān)聯(lián)系數(shù)，然后計(jì)算出關(guān)聯(lián)度，根據(jù)經(jīng)驗(yàn)，當(dāng)時(shí)。 主成分分析模型及作用 設(shè)法將原來(lái)變量重新組合成一組新的互相無(wú)關(guān)的幾個(gè)綜合變量，同時(shí)根據(jù)實(shí)際需要從中可以取出幾個(gè)較少的綜合變量盡可能多地反映原來(lái)變量的信息的統(tǒng)計(jì)方法叫做主成分分析或稱主分量分析，也是數(shù)學(xué)上用來(lái)降維的一種方法。主成分分析在數(shù)理統(tǒng)計(jì)分析中常被用來(lái)尋找判斷某種事務(wù)和現(xiàn)象的綜合指標(biāo)，使用主成分方法，能從可能存在線性相關(guān)關(guān)系的原始變量中找出幾個(gè)彼此互不相關(guān)的獨(dú)立主分量，并且要求這幾個(gè)獨(dú)立的主分量最可能多的保持原始變量大部分信息。所以統(tǒng)計(jì)分析中的主成分分析法是研究通過(guò)用少數(shù)幾個(gè)線性無(wú)關(guān)的主分量來(lái)解釋多個(gè)變量間的內(nèi)部結(jié)構(gòu)問(wèn)題的好方法。在主成分分析中，為得到新的綜合指標(biāo)既線性無(wú)關(guān)的主分量，數(shù)學(xué)上通常將原始變量包含的 p 個(gè)指標(biāo)做線性組合。如果選取的第一個(gè)線性組合即第一個(gè)綜合指標(biāo)為，原始變量中原來(lái)指標(biāo)的信息應(yīng)該被盡可能反映，用的方差表示反映原始變量信息的大小， 如果包含的原來(lái)的指標(biāo)信息越多，則的方差越大。因此，所有的線性組合中第 1 個(gè)主成分應(yīng)該是方差最大，如果原始變量中原來(lái) p 個(gè)指標(biāo)的信息不足以能被第一個(gè)主成既主分量分代替，再考慮第 2 個(gè)主成分，即第 2 個(gè)線性組合，依次類推。假設(shè)測(cè)得原始變量有 p 項(xiàng)指標(biāo)，數(shù)據(jù)有 n 個(gè)樣本（pn）。X=(，…，)為得到的原始數(shù)據(jù)巨陣，且∑為協(xié)方差陣，令≥≥… ≥為協(xié)方差陣的特征根，因?yàn)橛小荨荨?≥0，相應(yīng)的特征向量為向量 ，…，則 X 的第 i 。=X (i=1，2，...，p) （）可以用樣本協(xié)方差陣來(lái)代替協(xié)方差陣∑，因?yàn)橥ǔf(xié)方差陣∑是不被知曉的。在統(tǒng)計(jì)分析中計(jì)算時(shí)消除數(shù)據(jù)綱量的影響一般往往通過(guò)把原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的方法，以解決指標(biāo)的綱量不同不能在一起進(jìn)行比較和分析的問(wèn)題。通常提取多少個(gè)主成分是由原始數(shù)據(jù)有多少個(gè)變量決定的，提取主成分目的就是簡(jiǎn)化數(shù)據(jù)，所以不能把所有的主成分全部提取出來(lái)。一般按累計(jì)貢獻(xiàn)率的影響提取前 k 個(gè)主成分，數(shù)理論統(tǒng)計(jì)中的多數(shù)情況下，如果要想主成分包含了 90%以上的原始變量指標(biāo)的信息，提取 2～3 個(gè)主成分既主分量已經(jīng)足夠了，不需要繼續(xù)提取。提出的全部主成分中，每個(gè)主成分綜合原來(lái)批P個(gè)指標(biāo)的信息能力大小是有差別的，其衡量方式是使用每個(gè)主成分的方差貢獻(xiàn)率，主成分 的方差在全部方差中的比重，由主成分 的方差貢獻(xiàn)率表示，主成分綜合原始變量，…，信息的能力越強(qiáng)，這個(gè)值越大[11]。在主成分分析中，為了用較少的幾個(gè)線性無(wú)關(guān)的主成分來(lái)反映原有變量的絕大部分信息, 減少了變量的數(shù)目和實(shí)現(xiàn)降緯, 可以用選用前面幾個(gè)方差最大的線性無(wú)關(guān)的主成分來(lái)進(jìn)行, 一般要求這幾個(gè)主成分不少于原始變量信息的85%被它們所包含。如多元線性回歸方程的多重共線性問(wèn)題可以利用主成分降緯來(lái)消除，多元線性回歸方程中的變量可以利用主成分分析法來(lái)篩選幾個(gè)線性無(wú)關(guān)的綜合指標(biāo)來(lái)代替原來(lái)的變量。數(shù)理統(tǒng)計(jì)分析中，在進(jìn)行主成分分析時(shí)，需要對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)同趨化處理和無(wú)量綱化處理兩個(gè)方面的數(shù)據(jù)標(biāo)準(zhǔn)化處理，以解決不同性質(zhì)數(shù)據(jù)能在一起進(jìn)行分析和實(shí)現(xiàn)數(shù)據(jù)的可比性。對(duì)不同性質(zhì)指標(biāo)進(jìn)行簡(jiǎn)單的直接加總不能正確反映來(lái)自不同作用力的綜合影響結(jié)果，為了能實(shí)現(xiàn)數(shù)據(jù)指標(biāo)加總并得到正確結(jié)果，必須使所有指標(biāo)對(duì)測(cè)評(píng)方案的作用力進(jìn)行同趨化處理，即改變逆指標(biāo)數(shù)據(jù)性質(zhì)，數(shù)據(jù)同趨化處理主要解決不同性質(zhì)數(shù)據(jù)問(wèn)題。數(shù)據(jù)的可比性是通過(guò)數(shù)據(jù)的無(wú)量綱化處理實(shí)現(xiàn)的。數(shù)理統(tǒng)計(jì)分析中，在進(jìn)行主成分分析中，需要將逆指標(biāo)轉(zhuǎn)化為正指標(biāo)，以實(shí)現(xiàn)指標(biāo)的同趨勢(shì)化，一般為了評(píng)價(jià)分析的方便，原指標(biāo)用逆指標(biāo)的倒數(shù)值代替是早主成分分析中常用轉(zhuǎn)化的方式[12]。均值為0方差為1的數(shù)據(jù)是無(wú)量綱數(shù)據(jù)，這樣的數(shù)據(jù)可以直接進(jìn)行比較，通常需要將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化以消除量綱和數(shù)量級(jí)，使原始數(shù)據(jù)變成能直接比較的數(shù)據(jù)后，然后進(jìn)行主成分分析。 多元線性回歸分析預(yù)測(cè)方法及模型（1） 模型建立在統(tǒng)計(jì)分析中，自變量與因變量是回歸分析中所涉及的變量重要分類。當(dāng)自變量是連續(xù)性的和離散性的，而因變量是非時(shí)間的連續(xù)性變量，且自變量直接線性無(wú)關(guān)急相互獨(dú)立時(shí)，研究人員多使用多元線性回歸分析來(lái)欲研究因變量和自變量之間的依存關(guān)系。這時(shí)，多元線性回歸分析方法是一個(gè)有力的方法。 （）(也稱為回歸系數(shù))用、…、表示，它們是未知的，需要使用統(tǒng)計(jì)方法求證出；個(gè)自變量(即影響因素)用、…、表示，它們是已經(jīng)積累下的歷史數(shù)據(jù)，為隨機(jī)誤差，它反應(yīng)回顧分析的結(jié)果與現(xiàn)實(shí)的差距，越大，回歸分析結(jié)果越不理想。當(dāng) (、…、,)的組樣本值后被研究者通過(guò)試驗(yàn)或者調(diào)研獲得后，研究者一般運(yùn)用最小平方法，求實(shí)際值與曲線上的點(diǎn)的離差平方和最小，總體回歸參數(shù)的估計(jì)值、…、便可求出。 （）在進(jìn)行多元線性回歸分析時(shí)，因?yàn)樽兞繂挝挥绊懜鞯闹?。需要求出多元線性回歸模型的標(biāo)準(zhǔn)化回歸系數(shù)以便于對(duì)各回歸系數(shù)之間進(jìn)行比較，實(shí)現(xiàn)由單位不同所帶來(lái)的差別被消除，達(dá)到可以比較的目的。數(shù)理統(tǒng)計(jì)中一般用Beta表示與一般回歸系數(shù)對(duì)應(yīng)的標(biāo)準(zhǔn)化回歸系數(shù)。在多元線性回歸分析中，一般認(rèn)為回歸方程中對(duì)應(yīng)的因變量受自變量的影響越大，求解出的標(biāo)準(zhǔn)化回歸系數(shù)的絕對(duì)值也就越大。但是，有時(shí)候多元線性回歸分析中回歸系數(shù)受模型中其它自變量的影響，模型中自變量之間彼此相關(guān)不獨(dú)立，若遇到這種情況，研究人員就必須采取謹(jǐn)慎的態(tài)度解釋標(biāo)準(zhǔn)化回歸系數(shù)。多元線性回歸分析中的自變量之間嚴(yán)重的多重共線性(Multicollinearity) 可以通過(guò)回歸診斷(The Diagnosis of Regression)判斷，最終，回歸模型中保留下來(lái)的所有自變量之間盡可能線性無(wú)關(guān)互相獨(dú)立，而舍去其中作用較小的變量。此時(shí)，利用多元線性回歸分析中的標(biāo)準(zhǔn)化回歸系數(shù)做出解釋最合適。bi的標(biāo)準(zhǔn)誤差為殘差的方差的估計(jì)值為，在多元線性回歸分析中它回歸系數(shù)估計(jì)值的離散程度用殘差的方差的估計(jì)值bi的標(biāo)準(zhǔn)誤差反應(yīng)[12]。 （2） 統(tǒng)計(jì)檢驗(yàn)在多元線性回歸分析中，在回歸模型求出后研究人員不能直接使用，還要采用一定的方法來(lái)驗(yàn)證所建的模型是否符合理論和實(shí)踐，必須由研究人員進(jìn)行科學(xué)的統(tǒng)計(jì)檢驗(yàn)和理論檢驗(yàn)，看線性關(guān)系是否顯著，多元線性回歸模型一定的精度要求是否達(dá)到，多元線性回歸模型與實(shí)際值是否有較好的擬合度，最后才能決定多元線性回歸模型能否進(jìn)行分析和預(yù)測(cè)研究。在多元線性回歸分析中，理論檢驗(yàn)這是研究人員進(jìn)行定性認(rèn)識(shí)的重要組成部分，它從定性到定量的綜合集成認(rèn)識(shí)的第一步，主要是考察科學(xué)理論和人們的在社會(huì)實(shí)踐中積累的經(jīng)驗(yàn)常識(shí)與回歸模型中的參數(shù)的方向和大小程度是否符合。多元線性回歸分析中，必須進(jìn)行統(tǒng)計(jì)檢驗(yàn)，才能使通過(guò)經(jīng)驗(yàn)理論檢驗(yàn)?zāi)Ｐ偷靡詰?yīng)用。通常，擬合度檢驗(yàn)方法，參數(shù)顯著性檢驗(yàn)方法、模型顯著性檢驗(yàn)方法等是多元線性回歸模型的主要的統(tǒng)計(jì)檢驗(yàn)方法。①對(duì)通過(guò)實(shí)驗(yàn)和調(diào)研等取得的樣本觀測(cè)值與樣本回歸模型之間擬合程度的檢驗(yàn)研究人員都采用擬合度檢驗(yàn)（或）。 （） （）在統(tǒng)計(jì)分析中，如果變量不斷增加，肯定不會(huì)減小，它隨模型中的變量的增加而增加，但如果自變量太多可能導(dǎo)致模型不穩(wěn)定，模型的這種不穩(wěn)定很可能是由模型中的變量太多而引起共線性問(wèn)題造成的，所以研究人員僅看是不能看出一個(gè)模型好壞的，研究人員還要看 ,因?yàn)樗鼘?duì)自由度(也即變量數(shù))作了校正。 （）② 模型顯著性檢驗(yàn)在多元線性回歸分析中，研究人員依據(jù)樣本觀測(cè)值推斷總體模型的線性關(guān)系是否顯著成立，通常需要研究人員通過(guò)模型顯著性來(lái)考察。 （）③ 參數(shù)顯著性檢驗(yàn)在多元線性回歸分析中，研究人員檢驗(yàn)每個(gè)因變量受自變量影響是否顯著，通常又研究人員通過(guò)參數(shù)顯著性檢驗(yàn)來(lái)考察。 （） 曲線回歸分析方法及模型應(yīng)用（1） 模型的建立在數(shù)理統(tǒng)計(jì)中，研究人員使用曲線回歸分析找出一個(gè)近似函數(shù)來(lái)表達(dá)樣本數(shù)據(jù)的總體趨勢(shì)和特征，大多數(shù)情況下，研究人員通過(guò)使實(shí)測(cè)值和模型擬合值差值的均方差最小即最小二乘法法來(lái)求得模型參數(shù)。表達(dá)線性關(guān)系的Linear 線性模型 ， Compound 復(fù)合模型 ，Quadratic 二次模型 ，Power 冪函數(shù)模型 ，Logarithmic 對(duì)數(shù)模型，Cubic 拋物線模型，Exponential 指數(shù)的模型，Growth 生長(zhǎng)模型 ， S 形模型 ，Logistic 邏輯斯蒂模型和Inverse 倒數(shù)模型 等是曲線回歸分析中研究人員唱使用的模型 [14]。 （2） 假設(shè)檢驗(yàn)曲線歸回分析和多元線性回歸分析一樣，研究人員為驗(yàn)證所建的模型是否符合理論和實(shí)踐，所建的模型是否達(dá)到一定的精度要求，所建的模型線性關(guān)系是否顯著能否進(jìn)行分析和預(yù)測(cè)研究，所建的模型是否與實(shí)際值有較好的擬合度，研究人員要使用科學(xué)的理論檢驗(yàn)和統(tǒng)計(jì)檢驗(yàn)方法對(duì)求出的回歸模型進(jìn)行檢驗(yàn)。在曲線歸回分析中，理論檢驗(yàn)業(yè)是從定性到定量的綜合集成認(rèn)識(shí)的第一步，是研究人員實(shí)現(xiàn)定性認(rèn)識(shí)的重要組成部分。它主要是考察科學(xué)理論和人們的經(jīng)驗(yàn)常識(shí)與回歸模型中的參數(shù)的符號(hào)和大小是否符合。在曲線分析中，在模型通過(guò)理論檢驗(yàn)以后，也還必須進(jìn)行統(tǒng)計(jì)檢驗(yàn)。通常，檢驗(yàn)樣本數(shù)據(jù)聚集在曲線周圍的密集程度的擬合度檢驗(yàn)一般用判定系數(shù)R2來(lái)，回歸曲線的擬合越差她就越接近0，回歸曲線的擬合越好它越接近1。根據(jù)樣本觀測(cè)值推斷總體模型的曲線回歸關(guān)系是否顯著成立的模型顯著性檢驗(yàn)，研究人員一般用F檢驗(yàn)進(jìn)行 [15]。 多元非線性回歸分析方法及模型應(yīng)用回歸分析中包含兩個(gè)以上變量的非線性回歸模型，成為多元非線性回歸分析。多元非線性回歸分析分為內(nèi)蘊(yùn)的線性回歸和內(nèi)蘊(yùn)的非線性回歸。內(nèi)蘊(yùn)的線性回歸一般經(jīng)過(guò)簡(jiǎn)單的數(shù)字變換就可以得到它的線性化表達(dá)方式，而內(nèi)蘊(yùn)的非線性回歸不能做到這一點(diǎn)。 所以當(dāng)遇到內(nèi)蘊(yùn)的線性回歸分析時(shí)，首先要把它轉(zhuǎn)換成多元線性回顧分析，用多元線性回歸分析法則求解出多元非線性回歸分析模型。 3 中美貿(mào)易系統(tǒng)和中美貿(mào)易逆差模型的設(shè)計(jì) 系統(tǒng)的需求的分析系統(tǒng)的需求是用戶要求軟件系統(tǒng)提供的各種功能和限制。開(kāi)發(fā)一個(gè)軟件系統(tǒng)首先要進(jìn)行系統(tǒng)的需求分析，系統(tǒng)需求分析是軟件系統(tǒng)開(kāi)發(fā)的基礎(chǔ)性工作。 系統(tǒng)的應(yīng)用范圍各類研究中美貿(mào)易宏觀問(wèn)題的研究員、教師和學(xué)生等研究者在研究中美貿(mào)易宏觀問(wèn)題時(shí)候都需要對(duì)中美貿(mào)易系統(tǒng)進(jìn)行查詢和利用，為研究和決策提供數(shù)據(jù)基礎(chǔ)。中美貿(mào)易系統(tǒng)研究員管理員教師學(xué)生 中美貿(mào)易系統(tǒng)應(yīng)用范圍Fig. SinoUS trade Applications 系統(tǒng)的功能需求為防止用戶對(duì)系統(tǒng)進(jìn)行非法操作，系統(tǒng)根據(jù)不同用戶給予不同的權(quán)限，采用分級(jí)功能，其目的是保護(hù)信息的安全性、可靠性和完成性。（1） 普通研究者用戶功能需求普通研究者使用帳號(hào)和密碼登陸后僅僅可以對(duì)中美貿(mào)易系統(tǒng)中的數(shù)據(jù)進(jìn)行查詢、利用等簡(jiǎn)單操作，并可以導(dǎo)出中美貿(mào)易系統(tǒng)中的數(shù)據(jù)，但不能修系統(tǒng)數(shù)據(jù)。普通用戶查詢導(dǎo)出數(shù)據(jù)中美貿(mào)易系統(tǒng)數(shù)據(jù)庫(kù) 普通用戶使用流程Fig. Ordinary user processes（3） 高級(jí)用戶功能需求高級(jí)用戶使用賬號(hào)和密碼登陸后可以增加、修改和刪除有關(guān)中美貿(mào)易的宏觀經(jīng)濟(jì)數(shù)據(jù)，可以方便快捷地進(jìn)行信息查詢，可以進(jìn)行各種數(shù)據(jù)的導(dǎo)出和利用工作。高級(jí)用戶數(shù)據(jù)添加、刪除等導(dǎo)出數(shù)據(jù)中美貿(mào)易系統(tǒng)數(shù)據(jù)庫(kù)查詢等 高級(jí)用戶使用流程Fig. Advanced Users and Processes（4） 系統(tǒng)管理員系統(tǒng)管理員使用賬號(hào)和密碼登陸后可以增加、修改和刪除用戶信息，可以增加、修改和刪除有關(guān)中美貿(mào)易的宏觀經(jīng)濟(jì)數(shù)據(jù)，可以方便快捷地進(jìn)行信息查詢，可以進(jìn)行各種數(shù)據(jù)的導(dǎo)出和利用工作。管理員數(shù)據(jù)添加、刪除等導(dǎo)出數(shù)據(jù)中美貿(mào)易系統(tǒng)數(shù)據(jù)庫(kù)查詢、統(tǒng)計(jì)等管理用戶 管理用戶使用流程Fig. Management for user usage 系統(tǒng)的性能需求各種用戶根據(jù)規(guī)定的權(quán)限，通過(guò)網(wǎng)絡(luò)對(duì)信息進(jìn)行操作，系統(tǒng)能實(shí)現(xiàn)快速的運(yùn)行和回復(fù)。 系統(tǒng)的設(shè)計(jì) 系統(tǒng)設(shè)計(jì)的指導(dǎo)思想由于研究中美貿(mào)易宏觀問(wèn)題時(shí)，需求的數(shù)據(jù)來(lái)源于各不同的國(guó)家、相同國(guó)家的不同部門，或者來(lái)源于一些不同的國(guó)際組織，這一般需要研究人員查詢大量的文獻(xiàn)資料來(lái)整理這些數(shù)據(jù)，中美貿(mào)易系統(tǒng)設(shè)計(jì)的指導(dǎo)思想就是讓研究人員把自己整理出來(lái)的數(shù)據(jù)都添加到中美貿(mào)易系統(tǒng)中，聚集眾多研究人員的力量，實(shí)現(xiàn)這些數(shù)據(jù)的共享和利用。個(gè)別人收集的數(shù)據(jù)有可能存在指標(biāo)遺漏或者數(shù)據(jù)確實(shí)，但利用中美貿(mào)易系統(tǒng)能很好的解決這一問(wèn)題。 軟件體系結(jié)構(gòu)設(shè)計(jì)軟件的體系結(jié)構(gòu)包括基礎(chǔ)設(shè)施軟件、用戶界面程序和計(jì)算邏輯的主體應(yīng)用程序。定義和說(shuō)明子系統(tǒng)以及各子系統(tǒng)間的相互依賴和通信機(jī)制就是軟件體系結(jié)構(gòu)。由于系統(tǒng)的性能需要各種用戶根據(jù)規(guī)定的權(quán)限，通過(guò)網(wǎng)絡(luò)對(duì)信息進(jìn)行操作。所以中美貿(mào)易系統(tǒng)選擇 B/S 模式，并使用 SQL Server 2000 來(lái)開(kāi)發(fā)后臺(tái)數(shù)據(jù)庫(kù)；使用Dreamweaver 設(shè)計(jì)前臺(tái)； 應(yīng)用程序。B/S 結(jié)構(gòu)由表示層（Presentatioon）、功能層（Business Logic）和數(shù)據(jù)層（Data