对于评价指标体系应该建立什么模型合适
综合评价的步骤：
1．确定综合评价的目的
2．确定评价指标和评价指标体系
3．确定各个评价指标的权重
4. 求单个指标的评价值
5. 求综合评价值
常用综合评价模型：
1、计分法
2、综合指数法
3、Topsis法
4、秩和比(RSR)法
5、层次分析(AHP)法
6、模糊评价方法
7、多元统计分析方法
8、灰色系统评价方法
计量经济学中多个模型如何选择？用什么指标？如何判断
模型选择标准
1、精度原则
在实际应用中,往往用预测的准确性来评价一个模型。精度是选择模型时所考虑的十分重要的
因素,众多关于预测模型选择的文献都是预测精度对各种模型进行比较。一般认为增加模型的显含变量、采取联立方程可以提高预测精度,但也不能过分精确化,否则模型可能很复杂从而无法进行实际的参数估计。实践表明,如果对内生变量的外生变量不加选择、不加分析地包含进来并不能提高精度。相反影响微弱或作用不大的变拉入模型倒影响计量模型的稳定性和使用效果,选择模型时应适当权衡。
2、简单性原则
对于任意两个模型,若都能同样地表达所研究问题,具有相同的精度应选择较小模型方程、选择较简单方程形式和较少的经济变量。
3、费用原则
预测的准确性与进行预测所投入的人力、物力、财力密切相关,高的预测精度常伴随着高的费用,在选择计量模型时应对提高精度所获得的利益及由此所花费的代价进行权衡,有时为较低
费用不得不牺牲一些精度,选择较简单的模型
4、建模目的原则
到底选择哪一类计量模型,往往取决于模型将具体用于什么目的,对于这个目的,模型的最优结构是什么以及怎样来衡量。一般来说,当模型用于预测时,R2及估计值方差较重要,倾向于选较复杂模型;当模型应用于结构分析和政策评价时,则模型参数偏差程度及标准误差较重要,在样本一定的情况下倾向于选较简单的模型。
什么回归模型可以用来看指标对分类的影响
主成份分析是为了提前众多指标中有典型代表性的几个主要成分，其中主成分的一种计算得分方法是用回归方法ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。ARIMA模型建立在历史数据的基础上，故搜集的历史数据越多，模型越准确。每月储蓄数据.可以看作是随着时间的推移而形成的一个随机时间序列，通过对该时间序列上储蓄值的随机性、平稳性以及季节性等因素的分析，将这些单月储蓄值之间所具有的相关性或依存关系用数学模型描述出来，从而达到利用过去及现在的储蓄值信息来预测未来储蓄情况的目的。
