基于灰色GM(1,1)-马尔柯夫预测模型的家庭赡养能力研究

我国基于特定的民族文化传统的养老方式为家庭养老模式,但是随着经济、社会结构、人口、家庭结构以及相关理念的变化,家庭养老模式的困境凸显,文章以定量的标准来评估了目前的家庭赡养能力以及预测了未来的家庭赡养能力。通过建立相应的指标体系来定量衡量家庭赡养的综合能力系数,最终得出我国的家庭赡养能力呈现出平稳下降的趋势并且未来会出现持续下降趋势的结论,为完善养老模式奠定了理论基础。     

利用世代交叠模型对赡养经济中养老不确定性问题的理论研究

 本文基于儒教影响深远的亚洲国家，建立了一个离散时间的双向世代间转移的赡养经济模型。主体设为个人和政府，假设个人后代中存在利他性赡养老人和利己性不赡养老人两种情况的不确定性，并假设由政府提供完全保险。针对老年人赡养的不确定性问题，本文重点讨论在无保险和完全保险条件下个人的最优投资结构和国家经济体的最优增长方式。 对比研究表明：在无保险的情况下，赡养不确定性的存在使部分个人投资分流到次等的财产投资，导致总体投资效率下降，经济增长也受到负面影响。在引入政府保险的风险共担机制后，个人投资都集中在收益较高的后代教育投资，从而提高了总体投资效率，也促进了经济快速增长。 本文的研究结果，对分析研究当前中国出现的子女教育投资热现象、农村和城市家庭对子女教育投资 “一冷一热”的分化现象等社会问题，都具有较强的解释力和一定的现实意义。     

安度晚年，老年人需注意的法律问题

家庭保障,赡养老人不仅是中华民族的传统美德,而且是子女的法定义务。负有赡养义务的子女在经济上应为父母提供必要的生活用品和相关费用,在生活上、精神上、感情上对父母应尊敬、关心和照顾,否则父母可以依法向人民法院提起诉讼。     

基于HLM2的算例分析及其在中国非寿险精算中的思考

随着保险业务的拓展和深化,财产保险中越来越多地出现具有相关性和层次性的保险数据.分层线性模型对此类数据的处理能充分地体现在数据的分析中,在国际精算领域中的应用处于起步阶段.文章分析了分层线性模型具有二层、三层结构的数据特点,采用线性混合模型和分层线性模型方法,完成了二层结构数据的模型构建、实现与比较.     

基于Heckman-HLM模型的代际经济支持影响因素分析

文章利用CHARLS项目组2008-2012年在浙江、甘肃两省的调研数据,通过构造Heckman-HLM模型对家庭代际经济支持的影响因素进行实证分析.研究结果表明:医疗保险、养老保险、社会保障性收入、社区经济状况、老年人健康状况、老年人人口特征、子女特征及子女提供的精神赡养都会影响老年人获得经济支持的概率与规模,而且这些影响存在地区、年龄、城乡等方面的差异.     

多水平模型及静态面板数据模型的比较研究

对两水平模型与静态面板数据模型进行对比分析：多水平模型主要用于分析具有层次结构的统计数据,面板数据模型是针对面板数据而提出的一种应用广泛的计量经济模型。面板数据可以看成是具有截面水平与时间水平的两层数据,两水平模型也能对面板数据进行分析,在一定条件下具有一定的相似性。因此,提出多水平的静态面板数据模型,为分析具有多个层次结构的面板数据提供分析工具。     

幂整体模式累加多层统计模型的建立及应用

文章将幂单变量整体模式累加多层统计模型和单变量整体模式累加多层统计模型应用到仅有两个调查数据的香蕉组织形式绩效的预测中,计算了预测误差,并且比较了幂单变量整体模式累加多层统计模型和单变量整体模式累加多层统计模型的预测结果.     

老人赠与房产未过户并反悔,法律为何不支持

老人将握有的一户房产赠与外孙女,办理了赠与公证(未办理过户登记)手续。事后以外孙女不尽赡养义务为由反悔,却未能得到法律的支持,这是为什么呢?[案例]鲁老太与老伴儿共生育二子一女,二位老人的晩年生活中,得到小女儿及外孙女的照顾较多,而两个儿子均在外地生活。     

基于多层因子模型的我国核心通货膨胀估计

本文利用我国CPI分类数据,基于多层因子模型构建了一种新的核心通货膨胀指标.通过与单层因子模型方法的对比研究发现:单层因子模型会高估核心通货膨胀的波动性,原因在于其无法识别仅影响大类价格变化的局部因子,并将局部因子的大部分作用归于具有普遍性影响的全局因子.而多层因子模型不仅能够识别局部因子,并且利用分离局部因子之后的全局因子构造的核心通货膨胀指标具有更小的波动性,且更符合核心通货膨胀的内涵.     

多变量整体模式的累加多层统计模型研究及应用

在多变量累加随机系数多层统计模型的基础上，考虑层一的回归系数受层二变量影响的情形，建立单变量累加整体模式多层统计模型，此模型拓展了多层统计模型的适用范围。将单变量整体模式累加多层统计模型应用到中国香蕉产业组织化形式与亩收入以及有机肥施用占总用肥的比例之间关系的研究中，得到与实际基本相符的结果。     

有亲生子女父母,能否要求养子女赡养自己

[典型案例]李某、张某夫妇在结婚后最初几年一直没有生育,因此于1960年抱养了李晓作为养子。之后,夫妻二人又生了两个男孩。三个孩子相继成年,李某,张某夫妇在幼子结婚之后,随即将三个儿子叫到一起进行“分家”,并约定,现有的6间房子老二老三各两间,养子李晓分得一间,另外一间供夫妇俩使用,待夫妇俩百年之后由李晓继承,同时,三个儿子每人每个月出80元赡养二老。     

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型.但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunction models).与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构.在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考.     

基于多源数据融合的个人信用评分研究

随着信息技术的发展,数据来源越来越多,一方面可以更加精准、科学地刻画个人信用状况,但另一方面,由于数据来源多、结构复杂等问题,对传统的征信技术带来了挑战。本文提出了基于多源数据融合的个人信用模型,可以同时对多个数据集进行建模和变量选择,同时考虑了数据集间的相似性和异质性。通过模拟实验发现,本文所提出的整合模型在变量选择和分类效果方面都具有明显的优势。最后,将整合模型应用于城市和农村两个数据集的个人信用评分中。     

多层贝叶斯模型在消费者偏好分析中的应用研究——基于手机市场数据

基于手机市场的调研数据,构建了多层贝叶斯模型,并将其与传统哑变量回归模型进行比较,得出前者比后者具有更好的模型拟合能力和预测能力的结论。利用有人口特征变量的多层贝叶斯随机效应模型来完成对所有未知参数的估计,从个体内行为和个体间行为两个层面对消费者的偏好行为进行全面分析,结果发现该模型可以很好解释消费者的总体偏好及其偏好差异性。     

基于多层线性模型的网上信任影响因素研究

网上信任由于其影响因素的多层性,使用传统的回归分析方法无法进行有效和准确的处理,而采用多层线性模型(HLM)则可弥补这一不足.分析HLM的原理和优点,构建了网上信任多层模型,并运用HLM对收集的数据进行统计分析,结果表明高层因素(团体规范)不仅直接影响网上信任,而且调节低层因素(声誉)对网上信任的作用.     

人口年龄结构、预期与中国房价:基于需求方的视角

文章构建了包含人口年龄结构、预期房产收益率、利率的房价决定模型.基于该理论模型,在对1998-201]年中国省际面板数据、11个省份人口年龄结构“四分法”数据、7个省份人口年龄结构“五分法”数据进行实证分析后发现:总抚养负担的下降是房价提升的重要推力,其中少年抚养负担对于房价有显著的负向效应,而老人赡养负担对于房价的影响是不确定的;预期房产收益率是推升房价的重要因素;利率对于房价的影响系数始终为负.     

基于云模型的混合量子神经网络算法及其仿真研究

在云模型、量子算法、神经网络算法等理论研究的基础上,设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法。在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能的优势;同时该混合算法可将提取的特征输入到量子神经网络中对数据集进行分类。该算法改进了量子神经网络的损失函数,提高了误差分析性能。最后,通过仿真实验验证了该混合量子算法在收敛速度和鲁棒性等方面均优于量子神经网络算法。     

空间随机截距模型及其参数估计

空间分层数据因为地理位置的原因，层与层之间会具有空间依赖性，区别于传统的分层数据。首先，文章将空间自相关的思想引入到随机截距模型中，在层-2模型中加入空间参数来反映空间自相关性，构建了空间随机截距模型；然后，针对空间随机截距模型，给出了基于EM算法和Fisher得分的最大似然估计。     

利率期限结构特征的拟合与预测

本文从经典利率期限结构模型和数量利率期限结构模型中选取了三因子Vasicek模型、三因子CIR模型、多项式样条模型、指数样条模型、DL模型和动态SV模型等6个应用广泛且具有代表性的利率期限结构模型,分别基于2008年7月至2014年3月中国和美国市场的月度国债收益率数据进行拟合与预测,并采用均方误差(RMSE)和平均绝对误差(MAE)对实证效果进行判别。结果表明,DL模型在针对中国市场和美国市场数据的拟合与预测方面能力均十分突出且效果稳定,指数样条模型次之,而其他模型则在利率期限结构特征的刻画效果方面存在更强的数据依赖与能力不足问题。本文的结论能够为实证研究利率期限结构特征的模型选取提供科学依据和数据支持。     

信用评分模型应用比较研究——基于个体工商户数据的检验

信用评分是各类机构进行信用管理的有效工具,有着广泛的应用前景。随着计量技术的发展,信用评分方法也不断革新,为实际应用提供了多种选择。选取Logistic回归、分类树两种统计方法及代表信用评分发展趋势的人工智能神经网络中的多层感知器、径向基网络、自组织特征映射网络、支持向量机等共六种模型,运用较大样本量的个体工商户数据在一致的框架下进行检验。结果表明：Logistic回归模型与支持向量机两种方法在错分率、稳定性及适用性方面较为优越,其中支持向量机作为人工智能评分方法的最新应用之一,其综合性能更为突出。