局部平稳部分线性面板数据模型的统计推断

部分线性模型是一类非常重要的半参数回归模型,由于它既含有参数部分又含有非参数部分,与常规的线性模型相比具有更强的适应性和解释能力。文章研究带有局部平稳协变量的固定效应部分线性面板数据模型的统计推断。首先提出一个两阶段估计方法得到模型中未知参数和非参数函数的估计,并证明估计量的渐近性质,然后运用不变原理构造出非参数函数的一致置信带,最后通过数值模拟研究和实例分析验证了该方法的有效性。     

实物资金流量表的预测方法研究

资金流量表是国民经济核算体系中的重要组成部分。然而，由于在编制过程中需要采集大量的数据，通常情况下，很多国家的资金流量表都会有较长时间的滞后。在编制实物资金流量表的延长表时，已有方法通常是基于基期与预测期交易收支结构保持不变的假定条件。然而，经济结构发生显著变化时，该类方法就会失效。基于上述问题，研究弱化模型的假设条件，并提出了新的实物资金流量表预测方法( 简称 FPTF方法)。根据表中元素必须满足的约束条件，该方法通过建立数学模型解除约束，其次基于历史数据的动态趋势，采用适当的时间序列分析方法来预测目标年份的实物资金流量表。通过仿真分析，验证了所提方法的有效性和稳定性。此外，基于中国1992年～2014 年的实物资金流量表数据进行实例分析，取得了满意的分析结果。     

从主权国家的兴衰看权力博弈形态的转型

传统的国际关系理论,无论是现实主义、自由主义、建构主义还是科学行为主义理论,都是把主权国家抽象成一个统一的国际关系行为体。这一行为主体有一致的利益,也自然要有一致的对外政策目标和手段。在20世纪,尤其是在两次世界大战和冷战期间,这一概念抽象是非常准确的。但冷战结束以后,尤其是进入21世纪以后,这一概念抽象逐渐与国际关系的现实相违背。一方面,国家综合实力并不能直接转化为具体领域的竞争优势;另一方面,很多国家,包括超级大国在内,其对外政策的主要阻力可能不是所谓的竞争对手,而是其国内不同的利益集团。这导致传统的国际关系理论,从假设到概念和推理层面,都已经无法解释和预测今天的世界,而权力小博弈理论可以为认识多元复杂互动博弈时代的国际关系提供一个新的解释框架。     

网络外部性对双渠道供应链信息分享的影响

研究了网络外部性对双渠道供应链信息分享的影响。分别建立了存在网络外部性和不存在网络外部性下的双渠道供应链模型，通过比较零售商信息分享和不分享下其与制造商的期望利润。研究发现：当未考虑产品的网络外部性时，零售商不与制造商分享其市场需求信息，与已有研究一致。当考虑了产品网络外部性且网络外部性较小时，零售商仍不与制造商分享市场需求信息；然而，当网络外部性较大时，零售商与制造商分享其市场需求信息。此外，零售商与制造商共享其市场需求信息有助于增加制造商和供应链利润。     

历史变局、国家兴衰与发展之路——三次千年变局叠加下的中国特色社会主义发展道路

每当先进的发展制度开始取代落后的发展制度时，整个世界格局就会进入重大的转换阶段。在中国五千年的发展历史中，有两次重大的历史变局完全改变了中国历史发展轨迹并深远地影响了当前中国的发展模式。新时代下的中国作为前两次历史变局影响的客体，曾经既是先进发展制度取代落后发展制度的受益者，也经历过作为落后发展制度主体而被先进发展制度冲击的过程。目前世界正处于第三次先进发展制度与落后发展制度交替的历史变局阶段，作为第三次重大历史变局的主体，在三次千年历史变局叠加的背景下，能否有效地认识、适应并改造利用前两次历史变局的经验与教训，构建系统性、科学性、可行性、领先性的中国特色社会主义制度，将决定中国在本次历史变局中能否顺利成为先进发展制度的主体从而实现民族复兴。     

“一带一路”沿线国家设施联通对贸易利益的影响

以全球价值链（GVC）参与为视角，基于2005—2015年40个“一带一路”沿线国家与我国的增加值贸易数据，采用静态面板固定效应模型实证分析交通基础设施和通信基础设施对“一带一路”沿线国家贸易利益的影响。结果发现，加强交通和通信基础设施建设有利于提高一国出口中所包含的国内增加值，增进该国的贸易利益。作用机制研究表明，交通基础设施和通信基础设施都能够通过降低贸易成本促进贸易利益的提升，其中通信基础设施还能够通过提高贸易的时间效率对贸易利益产生积极影响。因此，“一带一路”沿线国家应以设施联通为依托，加强本国的交通和通信基础设施建设，把握参与国际生产分工的主动权，以实现共同发展繁荣。     

浙江沿海明清卫所驻地方言的声母比较

卫所制度是明清时期重要的军政制度。以浙江沿海明清卫所驻地方言为考察对象，从北到南选取了最有代表性的16个方言点，通过共时和历时的比较，分析和总结浙江沿海明清卫所驻地方言声母在数量和古今分合上的特点。     

Testing equality of two normal covariance matrices with monotone missing data

Abstract

The problem of testing equality of two multivariate normal covariance matrices is considered. Assuming that the incomplete data are of monotone pattern, a quantity similar to the Likelihood Ratio Test Statistic is proposed. A satisfactory approximation to the distribution of the quantity is derived. Hypothesis testing based on the approximate distribution is outlined. The merits of the test are investigated using Monte Carlo simulation. Monte Carlo studies indicate that the test is very satisfactory even for moderately small samples. The proposed methods are illustrated using an example.     

四川盆地中三叠世盐盆分布与演化特征研究

四川盆地卤水分布广泛，资源丰富, 早为世人所瞩目，中三叠统雷口坡组是四川盆地最早开采天然气和盐卤的层系之一。根据盆地雷口坡组大量钻井资料研究表明，盆地雷口坡组主要成盐期分别为雷三2 期和雷四2 期，在盆地东部和南部由于受到古隆起的影响，盐岩地层已被剥蚀难以保存，现今盐岩主要分布在开江古隆起和泸州古隆起的西部以及天井山古隆起的南部（华蓥山以西—龙门山以东的川西—川中地区）。印支运动对盆地雷口坡组盐岩在平面的迁移起着十分重要的作用，根据不同时期盐岩统计数据看，两期盐盆在平面上具有向西迁移、叠加的特征，其中川中的GS1 井就钻遇了这两期的盐岩。     

Learning from a lot: Empirical Bayes for high‐dimensional model‐based prediction

Empirical Bayes is a versatile approach to “learn from a lot” in two ways: first, from a large number of variables and, second, from a potentially large amount of prior information, for example, stored in public repositories. We review applications of a variety of empirical Bayes methods to several well‐known model‐based prediction methods, including penalized regression, linear discriminant analysis, and Bayesian models with sparse or dense priors. We discuss “formal” empirical Bayes methods that maximize the marginal likelihood but also more informal approaches based on other data summaries. We contrast empirical Bayes to cross‐validation and full Bayes and discuss hybrid approaches. To study the relation between the quality of an empirical Bayes estimator and p, the number of variables, we consider a simple empirical Bayes estimator in a linear model setting. We argue that empirical Bayes is particularly useful when the prior contains multiple parameters, which model a priori information on variables termed “co‐data”. In particular, we present two novel examples that allow for co‐data: first, a Bayesian spike‐and‐slab setting that facilitates inclusion of multiple co‐data sources and types and, second, a hybrid empirical Bayes–full Bayes ridge regression approach for estimation of the posterior predictive interval.