关于我国地震灾害损失分布函数的研究

文章以1978～2006年间我国发生的183起地震灾害事故为样本,选取地震损失额、每年发生地震次数为指标,建立我国地震灾害损失分布函数。针对地震损失额利用经验剩余函数值分析损失分布集中程度、初步估计损失分布函数,分组处理样本数据、拟合分布图像、参数估计、单个样本非参数检验,确定损失分布函数为对数正态分布;针对每年发生地震灾害次数初步估计分布函数,通过历史频率与理论概率比较判断拟合效果、确定分布函数为泊松分布。     

不确定条件下基于V.H.Vroom激励逻辑的决策理论研究

风险和不确定条件下的决策问题一直是心理学、经济学和管理学研究的重点.文章借鉴已有的研究成果,提出并建立了基于Vroom激励逻辑的相对效用决策模型.该模型运用纳入参照标准的相对效用函数来确定决策者的主观效用,利用D-S理论来处理不确定条件下的决策信息,更加精确的描述概率问题,并且借鉴前景理论的关于决策者在参照点周围的风险逆转行为,把客观概率与决策者的风险偏好结合.最后,运用本理论对决策中的两个悖论进行了解释,证明了该模型的现实决策的应用价值.     

考虑损失规避行为的库存与定价联合决策

文章研究允许紧急订购情形下考虑损失规避行为的库存与定价联合决策.在该问题中,零售商基于一个初步的需求预测以正常的采购价确定初始的订购量,同时确定产品的零售价,随机需求实现后如果缺货还能以较高的采购价紧急补货.假定随机需求函数是加式的,得到损失中性零售商与损失规避零售商分别面对损失规避消费者时的库存与定价决策,并分析消费者的损失规避系数对零售商的最优零售价、最优订购量、市场需求量和零售商的期望效用的影响.     

前景理论下审计师投入决策分析

前景理论是Kahneman和Tversk提出的一种用于解释人类在不确定条件下决策行为的新型风险决策模型,文章介绍了前景理论的核心框架,并将其应用于审计师投入决策模型中,结论证明前景理论下审计师面临损失的风险寻求倾向会导致实际审计投入的降低和审计质量的下降。     

基于记录值样本的指数分布参数的损失与风险函数的Bayes估计

文章基于记录值样本,利用Rukhin提出的一类新的损失函数,将决策误差和统计判别法则结合起来,在共轭先验分布下得到了指数分布参数的损失函数和风险函数的Bayes估计,并给出了相应的Bayes估计为保守估计的条件。     

基于ES模型的供应链系统风险度量

为了在应对供应链风险的过程中,及时做出正确的决策,文章将期望损失方法引入,建立了供应链风险度量模型;提出供应链收益最大同时风险损失最小的双目标函数,建立双层规划模型,并运用遗传算法进行求解。可以看到,这种基于期望损失方法的双层规划模型,对供应链风险应对决策的确定是切实有效的。     

基于EVT和Copula的保险业经济资本的估算

文章用t-Copula函数刻画保险业务之间复杂的非线性相关性和风险的厚尾特点,考虑到保险业务小概率高风险的特点,对单个业务的边际分布用极值理论EVT的广义Pareto分布进行模拟;通过算例,比较了用在险价值VaR和期望损失ES两种方法估算的保险业务风险的差异,并得出基于EVT和Copula函数得出的整合风险的经济资本额更能刻画保险业务的实际风险的结论.     

基于Markov链的非常规突发事件应急决策模型

非常规突发事件的发展过程受到各主体风险认知和应急决策过程的影响,动态预测能够很好地减小突发事件的损失。文章对非常规突发事件的发展过程用Markov预测做动态预测,再进行应急决策,将动态预测与应急决策结合起来,建立了动态预测-决策模型;并给出了案例分析。     

个人信息泄密的损失分级估算方法

个人信息泄露事件频发,带来了一系列的社会问题。个人信息泄露造成的损失巨大,量化该类损失可以为法律中民事赔偿提供估计的依据。文章基于概率统计的方法,提出了泄密率等一系列概念,并将损失分为法律责任损失和舆情损失两大类;针对不同的情况,通过概率估算,建立了相应的损失函数,并进行分级,同时提出了个人信息非法泄露的行为法律判罚和量刑的建议;最后通过一个较典型的个人信息泄密算例,详细说明了该方法的计算过程。     

基于后验修正bayes决策树模型的保险营销决策方法

文章首先在对Bayes决策体系进行细致分析后,提出了保险营销决策模型,并对引起情报价值的状态因素进行分解,以确定在何种自然状态下一般决策较大,使得有针对性地避免措施产生。其次根据多阶段决策原理引入后验信息,为保险企业进行产品试验分析提供理论方法,在此基础上根据一个算例提出修正概率变动趋势与由Bayes矩阵估计出的概率变动趋势的一致性判定准则,以克服以往研究不对后验情报价值具有性进行判定的缺陷。     

缺货情境下顾客的心理抵制及行为倾向研究——基于网购促销的调节效应分析

在网络购物环境下,消费者遭遇促销产品缺货时引发的心理抵制和继而导致的消费行为倾向值得研究。在相关心理学和营销学理论的基础上,考察了心理抵制对消费者面临促销产品缺货后行为倾向的重要影响。通过情景模拟研究发现,当产品处于缺货状态,消费者根据"缺货"的归因不同,将产生不同的心理抵制水平;较强的心理抵制水平将导致消费倾向朝不利于商家的方向转移(转换店铺甚至下次不再光临),从而对商家带来损失;缺货归因对心理抵制水平的影响随着产品是否促销有显著差异。商家可通过提供替代品促销和到货通知服务的方式降低消费者的心理抵制水平。     

商店环境刺激对消费者信任及购买意愿的影响研究——情绪反应的视角

从消费者情绪反应视角探讨商店环境刺激对消费者信任及购买意愿的影响机制和过程。实证研究发现：氛围因子和社会因子对消费者的愉悦和唤起情绪有显著影响,设计因子只对消费者的愉悦情绪有显著影响。愉悦情绪不仅直接影响消费者的购买意愿,而且通过消费者信任对购买意愿产生间接影响;唤起情绪只通过消费者信任对购买意愿产生间接影响;同时,消费者特征（性别、年龄和购物动机）对商店环境刺激与消费者情绪反应以及情绪反应与消费者信任与购买意愿的关系有调节作用。     

大型购物中心的租户组合对消费者的影响作用研究

随着人们消费观念的变化和可支配收入的增长,消费者的需求越来越呈现出专业化和高水平的特征。大型购物中心的租户组合已经成为影响消费者对购物中心的选择、购物频率和购物时间的关键,决定了购物中心的成败。采用结构方程模型,研究大型购物中心的租户组合对消费者感知价值及满意度的影响以及对消费者行为意向和交叉惠顾意愿的影响作用。实证结果表明,租户多样性和相容性对消费者感知价值及满意度具有显著的正向影响,且租户多样性比相容性对消费者的影响作用更大。     

消费者趋近动机对绿色产品购买意向的影响机制——基于PLS-SEM模型的研究

通过一个可调节变量模型解释消费者趋近动机对绿色产品购买意向的影响机制,构建不同环境知识水平下的消费者趋近动机—绿色产品购买意向模型。采用偏最小二乘回归结构方程模型(PLS-SEM)对762份调查问卷进行分析,研究发现,趋近动机对绿色产品购买意向和消费者创新性具有显著的正向影响;消费者创新性在趋近动机和绿色产品购买意向间起部分中介作用;环境知识在趋近动机、消费者创新性与绿色产品购买意向间起负向的可调节中介作用。     

消费者对可追溯食品的购买行为及影响因素分析——基于大连市和哈尔滨市的实地调研

基于大连市和哈尔滨市实地调查的700份消费者问卷数据,依据消费者行为理论并选用二元Logit模型分析了消费者的可追溯食品购买行为及其影响因素。研究发现:消费者对可追溯食品的认知水平整体偏低,只有约三分之一的人听说过可追溯食品,其中有近一半的人购买过可追溯食品;学历、食品追溯意识、可追溯食品认知水平、个人月平均收入等变量显著影响消费者的可追溯食品购买行为;最后根据研究结论提出相关对策建议。     

老字号品牌价值共创机理及对策研究——基于服务主导逻辑视角

将服务主导逻辑的思维范式引入老字号企业中来,结合消费文化和社会情景价值理论探讨该领域中品牌价值的共创机理,基于理论假设构建研究框架。以北京、上海、福建三个地区的不同行业老字号品牌企业为实证研究对象,对企业员工和消费者进行访谈和问卷调查。通过修正的初始量表,基于PLS-SEM方法对收集的309份有效问卷调查数据应用SPSS22.0和Smart PLS2.0进行分析,验证消费者情感价值共创的中介作用及互联网媒介交互的调节作用。分析结果表明,消费者与老字号企业共同创造价值,历史悠久的老字号品牌企业关注基于互联网媒介下不同利益相关者的互动和协同才能创造品牌价值共创的最理想点,最后为老字号品牌管理提供有益的建议和应对策略。     

Parameter Estimation for the Discrete Stable Family

The discrete stable family constitutes an interesting two-parameter model of distributions on the non-negative integers with a Paretian tail. The practical use of the discrete stable distribution is inhibited by the lack of an explicit expression for its probability function. Moreover, the distribution does not possess moments of any order. Therefore, the usual tools—such as the maximum-likelihood method or even the moment method—are not feasible for parameter estimation. However, the probability generating function of the discrete stable distribution is available in a simple form. Hence, we initially explore the application of some existing estimation procedures based on the empirical probability generating function. Subsequently, we propose a new estimation method by minimizing a suitable weighted L ²-distance between the empirical and the theoretical probability generating functions. In addition, we provide a goodness-of-fit statistic based on the same distance.     

A New Feature Selection Method for Text Categorization of Customer Reviews

With the rapid development of e-commerce, online consumer review plays an increasingly important role in consumers’ purchase decisions. Most research papers use the quantitative measures of consumer reviews for statistical analysis. Here we focus on analyzing the texts of customer reviews with text mining tools. We propose a new feature selection method called maximizing the difference. Various classification methods such as boosting, random forest and SVM are used to test the performance of the new method along with different evaluation criteria. Both simulation and empirical results show that it improves the effectiveness of the classifier over the existing methods.     

A flexible family of density functions

The aim of this paper is to define a new family of probability density functions (MR pdf) based on the multiresolution analysis theory. Each function of this family can be seen as a particular type of density mixture.The MR pdf has advantages with regards to estimation over conventional mixtures and it is suitable to model a large variety of square integrable probability density functions.     

Investigating emergent nested geographic structure in consumer purchases: a Bayesian dynamic multi-scale spatiotemporal modeling approach

Spatial modeling of consumer response data has gained increased interest recently in the marketing literature. In this paper, we extend the (spatial) multi-scale model by incorporating both spatial and temporal dimensions in the dynamic multi-scale spatiotemporal modeling approach. Our empirical application with a US company’s catalog purchase data for the period 1997–2001 reveals a nested geographic market structure that spans geopolitical boundaries such as state borders. This structure identifies spatial clusters of consumers who exhibit similar spatiotemporal behavior, thus pointing to the importance of emergent geographic structure, emergent nested structure and dynamic patterns in multi-resolution methods. The multi-scale model also has better performance in estimation and prediction compared with several spatial and spatiotemporal models and uses a scalable and computationally efficient Markov chain Monte Carlo method that makes it suitable for analyzing large spatiotemporal consumer purchase datasets.KEYWORDS: Clustering, dynamic linear models, empirical Bayes methods, Markov chain Monte Carlo methods, multi-scale modeling, spatial models