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.     

Inference and optimal design of multiple constant-stress testing for generalized half-normal distribution under type-II progressive censoring

The generalized half-normal (GHN) distribution and progressive type-II censoring are considered in this article for studying some statistical inferences of constant-stress accelerated life testing. The EM algorithm is considered to calculate the maximum likelihood estimates. Fisher information matrix is formed depending on the missing information law and it is utilized for structuring the asymptomatic confidence intervals. Further, interval estimation is discussed through bootstrap intervals. The Tierney and Kadane method, importance sampling procedure and Metropolis-Hastings algorithm are utilized to compute Bayesian estimates. Furthermore, predictive estimates for censored data and the related prediction intervals are obtained. We consider three optimality criteria to find out the optimal stress level. A real data set is used to illustrate the importance of GHN distribution as an alternative lifetime model for well-known distributions. Finally, a simulation study is provided with discussion.     

重庆市都市区人中就业现状及变化趋势

都市区作为重庆经济的核心区域,随着经济的快速发展以及城市化进程的加快,正对人口产生巨大的聚集效应,而人口就业将成为一个十分突出的问题。因此,准确把握劳动力供求变动趋势十分重要。为此通过模型运算,对2000-2020年的都市区劳动年龄人口和劳动力的供求变动趋势进行了预测分析。     

试论影视文化对青少年成长的负面效应及其对策

影视文化中的消极因素是当代青少年犯罪的一个重要原因.影视文化中的消极因素影响了当代青少年的世界观、人生观、价值观、政治观和道德观.要有效预防和控制当代青少年犯罪就必须消除影视文化的"负面效应".大力弘扬时代的主旋律,严格加强文化市场的管理,科学制定<影视文化法>,积极加强影视文化的评论,努力形成"合力效应".     

建国初期有组织犯罪惩治策略研究--一种犯罪学的分析路径

有组织犯罪日益猖獗已成为国际关注的社会问题。我国 97刑法增设了黑社会性质组织罪条款 ,作出了立法反应。对这种特殊形态的犯罪如何有效地惩治与防范 ,已是急迫而艰巨的任务 ,也是犯罪学极富价值的课题。从建国初期新生政权惩治有组织犯罪的策略其效用来看 ,对当代中国惩治有组织犯罪实践有三个方面的启示 :国家与社会双本位控制 ;打击与促进社会整合相结合 ;宽严相济的灵活的刑事政策有利于分化瓦解有组织犯罪。     

论预防职务犯罪的道德体系建设

预防职务犯罪是 2 0世纪 80年代以来各国政府普遍采用的一种制度设计 ,其中道德预防是至关重要的环节。道德预防之所以在理论上和实践上可行 ,其依据主要是来源于道德本身的社会功能和法律的不完善性 ,以及职务犯罪主体和行为的特殊性。在我国 ,开展职务犯罪道德预防工作具有一定的优势 ,因此 ,我们必须高度重视这一工作 ,切实加强预防职务犯罪道德预防的道德体系建设     

犯罪对象新议

传统刑法理论认为,犯罪对象也即行为对象,是指犯罪行为直接作用的具体的人或物。而从价值哲学的角度分析,犯罪对象和行为对象应是两个不同的概念。即:犯罪对象是指受犯罪行为侵犯而为犯罪构成所必备的能表现犯罪客体的事物,而行为对象则指犯罪行为直接作用或指向的说明行为完整性的自然存在的人或物。     

未成年人犯罪案件审查起诉方式的改革

未成年人犯罪案件有其特殊性 ,而我国现行的刑法、刑事诉讼法对此几乎没有给予适当的关注 ,这不利于依法保护未成年人合法权益 ,不利于减少未成年人犯罪。当前 ,一些地方进行的对未成年人犯罪案件暂缓起诉的改革探索是有益的。建议我国立法机关对此充分重视 ,为未成年人犯罪案件设立有关特别的刑事诉讼程序。     

关于完善特殊防卫权之立法构想

文章通过《刑法》第20条第3款关于防卫权的称谓、文字表述、针对的对象范围、整体价值和实质效果的分析,认为该条款无论是在立法上还是在司法实践中均存在重大缺陷,由此提出对该款的修改意见。     

社会转型期青少年犯罪的文化思考

青少年犯罪已成为一个严重的社会问题。社会文化转型期异质文化、社会不良文化、青少年亚文化以及代际文化冲突对青少年犯罪具有不同程度的影响,从文化的角度提出相应的预防措施特别是对青少年亚文化进行调控将是一个新的视角。