《表2 模型网格及单元数：基于数据挖掘的上市公司高送转模型预测》
提示：宽带有限、当前游客访问压缩模式
运用spss对上述主成分模型得到的七个主要成分建模，并对模型参数进行估计，得到模型整体检验结果和模型回归系数检验结果如表2所示。
| 图表编号 | XD00185986100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.10 |
| 作者 | 刘焕军、方磊、轩辕昊 |
| 绘制单位 | 湖北文理学院数学与统计学院、湖北文理学院数学与统计学院、湖北文理学院经济管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 模型材料属性及网格节点单元数》2020.09.25
- 《表4 PSM匹配结果：上市公司“高送转”与股价崩盘风险关系研究》2021.01.10
- 《表1 变量定义：上市公司“高送转”与股价崩盘风险关系研究》2021.01.10
- 《表5 稳健性检验：上市公司“高送转”与股价崩盘风险关系研究》2021.01.10
- 《表3 出水水质检测结果：基于数据挖掘的上市公司高送转模型预测》2020.12.10
- 《表1 主要变量定义表：基于数据挖掘的上市公司高送转模型预测》2020.12.10
- 《表2 综合评价指标：基于数据挖掘的上市公司高送转预测》2020.12.01
- 《表1 因子分类：基于数据挖掘的上市公司高送转预测》2020.12.01
- 《表2 GDP的观察数据：基于GM(0,N)模型的三元区间数序列预测》2020.09.01
- 《表1 实施“高送转”上市公司的数量》2020.05.20
- 《表2“高送转”上市公司平均送转数》2020.05.20
- 《表1 多元回归结果：上市公司“高送转”强度与大股东减持规模关系研究》2020.01.10
- 《表1 多元回归结果：上市公司“高送转”强度与大股东减持规模关系研究》2020.01.10
- 《表1 分析指标及数据：基于灰色-多元回归模型的公司盈利情况预测——以安徽扬子地板股份有限公司为例》2019.01.15
- 《表1“高送转”公司与非“高送转”公司的各变量的均值差异》2019.01.25
- 《表2“高送转”公告引起的公司债的平均累计异常收益率》2019.01.25
- 《表2 高送转与非高送转数据处理后的次数》2018.07.01
- 《表1 数据选取步骤：大股东利用高送转获取异常减持收益实证分析》2018.07.01
- 《表1 变量定义：创业板上市公司“高送转”动机研究》2018.06.01
- 《表2 上市公司各年度高送转占比》2018.03.20