网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式。     

广义Gamma分布簇广义线性混合模型的构建

 本文在广义Gamma分布簇基础上引入异质性来构建广义线性混合模型。本文构建的广义Gamma分布簇广义线性混合模型在广义线性混合模型的框架下分析,通过参数重整技术把广义Gamma分布簇变量的建模问题与指数分布簇变量的建模问题联系起来,模型推断可以方便地利用广义线性混合模型和广义线性模型的研究成果,同时也可以方便地推广到其他模型。三参数广义Gamma分布可以收缩到两参数的Gamma分布、Weibull分布或指数分布,能降低模型误设的风险,还能便利地分析误差结构。     

基于copula函数的行业平均收益相关结构的实证分析

针对现有信用风险组合模型中在违约相关结构建模中存在的问题,文章提出了以行业平均收益为系统风险因素、基于copula函数的信用风险组合建模框架.在此框架基础上,利用由我国资本市场数据构造的行业平均收益序列,对行业平均收益的边际分布和相关结构进行了实证分析;并在现有偏分布的基础上,提出了一种新的偏分布构造方式来为GARCH(1,1)模型中的残差建模.     

武汉市城镇居民消费结构实证分析

一、武汉市城镇居民消费结构模型在居民消费结构分析和预测时,国内外通常采用恩格尔系数、线性支出系统模型(LES模型)和扩展线性支出系统模型(ELES模型)。恩格尔系数揭示了居民收入和食品支出之间的相关关系,说明经济发展、收入增加对生活消费的影响程度。(一)模型介绍线性支出     

分段拟合技术的建模效果印证及预测

用分段拟合技术建模本来就是一个不太容易的事情,那么由它所得到的比单一函数曲线(也可以是线性函数)模型更为复杂的模型效果到底如何?为了考察所建模型的准确性,文章就建筑企业中铁一局26年的年工程任务完成实际数据拟合的不同函数曲线模型的拟合效果进行技术印证,并利用分段拟合模型进行了预测和函数性质分析,进一步确认该局的年完成工程任务在未来还有原来35倍的拓展空间。     

浅谈简单线性回归模型与对数线性回归模型的选择

在我们进行经济建模分析时,经常会遇到这样的问题：对于样本数据,我们是选用简单线性回归模型,还是选用对数线性回归模型,,对于这种选择,我们不能主观臆定,只能从客观上对这两种模型进行对比分析,找出最优的回归模型形式。本文拟对这两种模型的选择问题作初步探讨。     

线性GMDH参数模型的无偏估计研究

 多元线性回归分析中,参数无偏性是参数估计方法的一个重要指标。本文对线性GMDH参数模型建立多元线性模型进行了研究,得到以下结论：一,在满足经典线性回归模型的假设条件下,其参数估计量具有无偏的性质;二,在满足其它假设条件下,可以在样本量少于待估参数的情况下建模,估计的参数也是无偏的;三,用参数GMHD方法建模时,它对完全多重共线性是免疫的。     

结构方程模型构建方法比较

线性结构关系(Linear Structural Relationships)和偏最小二乘(Partial Least Square)路径分析是构建结构方程模型主要的两类技术。本文在阐述线性结构关系和偏最小二乘算法的基础上,比较分析了它们的差异,给出了各自的适用条件,指出了偏最小二乘路径分析技术的特点及其在社会科学领域逐渐受到重视的原因。     

居民消费结构变动分析方法比较

一、线性支出系统模型及局限性 目前研究居民消费结构的方法主要是线性支出系统模型(LES)或扩展线性支出系统模型(ELES)。线性支出系统是英国著名的经济学家、诺贝尔经济学奖获得者R.Store于1954年提出的一种应用广泛的需求函数模型系统,该系统以消费总支出和各类商品的价格为自变量,以各类商品的需求量为函数构成一个数学模型。该模型的基本出发点是将消     

上证指数与深成指间协整关系的非参数检验

一、引言 在时间序列中常会发现两个变量存在一种长期稳定关系,C.J.Granger把这种长期稳定关系称为"协整关系".传统的协整分析方法是通过对序列差分将其转化为平稳序列,得出其中的线性均衡关系,这种协整关系可称为线性协整.线性协整的建模理论是从实际的数据生成过程出发,在非平稳序列中寻找可能存在的长期线性均衡关系,以建立序列的结构模型,从而反映序列的运行机制.     

组织认同心理结构三因素模型检验

文章对组织认同心理三因素结构,采用结构方程建模(SEM)进行检验,利用采集到的样本数据运行AMOS软件,进行验证型因子分析(CFA),并与潜在模型进行比较,结果显示该模型整体拟合结果最好,内容效度与构建信度较高,是理想模型。     

一类基于模型的聚类方法

在聚类问题中,若变量之间存在相关性,传统的应对方法主要是考虑采用马氏距离、主成分聚类等方法,但其可操作性或可解释性较差,因此提出一类基于模型的聚类方法,先对变量间的相关性结构建模(作为辅助信息)再做聚类分析。这种方法的优点主要在于:适用范围更宽泛,不仅能处理(线性)相关问题,而且还可以处理变量间存在的其他复杂结构生成的数据聚类问题;各个变量的重要性也可以通过模型的回归系数来体现;比马氏距离更稳健、更具操作性,比主成分聚类更容易得到解释,算法上也更为简洁有效。     

基于隐变量分析的IT投资回报模型研究

本文提出了一种基于隐变量分析的IT(Information Technology)投资回报模型。模型通过建立定性与定量相结合的回报测评指标体系,引入隐变量分析技术及结构方程模型建模方法,对IT投资的财务收益与非财务收益进行综合测评并建模,解决了IT投资的管理、顾客、战略等非财务收益难以测量的问题,实现了对IT投资回报的综合评价。最后运用此模型对某企业的信息系统进行了投资回报分析。     

基于灰色线性回归组合模型的金融预测方法

建立精确的金融预测模型对金融产品管理和风险控制具有重要的实用价值.文章针对新时期下金融产品推出周期短,可建模数据少的特性,构建了一种少数据建模的灰色线性回归组合金融预测模型.针对传统GM模型中忽略了数据的线性变化规律,对传统的GM模型进行改进,加入线性部分,构建了灰色线性组合金融预测模型,并给出了灰色线性组合金融预测模型的参数识别算法.最后实证分析了灰色线性组合金融预测模型对少数据建模的有效性,且实证结果显示该组合金融预测模型具有较高的预测精度.     

广义线性模型在非寿险精算中的应用及其研究进展

广义线性模型在精算中的应用始于20世纪80年代，其应用涉及到精算学的各个领域，如生命表的修匀、损失分布、信度理论、风险分类、准备金和费率估计等方面。在对广义线性模型适用于非寿险精算的典型特征进行分析的基础上，对广义线性模型在非寿险精算中的应用及其研究进展进行分析和总结的同时，重点分析利率厘定和准备金估计中广义线性模型的建模思想，并结合实际提出了今后研究的方向。     

投入产出与计量经济联合模型浅谈

经典投入产出系统是一个线性和确定性系统,对现实经济世界的描述只是一种近似.而尝试着将计量经济(EC)模型与投入产出(IO)模型结合,建立EC+IO联合模型.进一步运用国家数据进行实证分析,进而检验联合模型分析问题的能力.结果证明联合模型能够更真实地模拟宏观经济发展,进行更精确的定量分析.     

基于初值修正的组合GM(1,1)模型及其应用

灰色GM(1,1)模型的拟合和预测精度依赖于其结构参数.文章从传统GM(1,1)模型的初值选取入手分析其存在的理论缺陷,通过两种初值修正方法建立改进的GM(1,1)模型,摒弃与系统关系不大的老信息,充分利用新信息来建模,从而达到精确预测的目的.在此基础上建立两种初值修正GM(1,1)模型的组合预测模型,提高了模型的拟合和预测精度。     

上证综指非对称的成份ARCH效应分析

一、引言在时间序列特别是金融时间序列的建模分析中,传统线性范式下的高斯分布假设已经受到越来越多的质疑,非高斯分布已经是客观存在的事实。针对这些特征的各种非线性模型分析     

广义线性混合模型及其SAS实现

本文探讨了重复测量资料广义线性混合模型（GLMMs）建模及SAS9．1的PROC GLIMMIX程序实现。利用PROC GLIMMIX程序中Model语句选项和Link语句来指定因变量的分布及连接函数，通过Random语句来指定随机效应，采用线性限制性／残差虚拟似然法进行参数估计。GLMMs是在广义线性模型的基础上引入随机效应,因变量可以是指数家族中任意分布，可以通过连接函数将观测的均数向量与模型参数联系起来。GLMMs应用范围广，建模灵活，可以为相关或非常数方差数据建模，能提供客观正确的统计结论。     

评介《应用线性回归模型》

美国约翰·内特(John Neter)、威廉·沃塞曼(William Wasserman)、迈克尔·H·库特纳(Michael H·Kutner)合著的统计教材《应用线性回归模型》一书,最近将由中国统计出版社出版。线性回归模型是一种理论上研究得比较透彻、实际中应用得比较广泛的模型。《应用线性回归模型》一书曾得到国内外有关专家和学者的好评,该书中译本的出现,对我们了解外国的教学经验以及国外科研和教育动态是有好处的。