大规模数据下基于充分降维的Leverage重要性抽样方法

随着信息技术的飞速发展，大规模数据在短时间内搜集并储存下来，为分析决策提供了巨大的信息量，也给统计建模带来了一定难度。对于样本容量大、变量个数少的数据，Leverage重要性抽样是一个简便可行的方法。本文发现，该方法中度量样本重要性的Leverage分数与因变量无关，而且在维度较大的情形下对样本没有区分程度，使得估计结果较差。为了同时考虑因变量和维度的影响，本文提出了基于充分降维的Leverage重要性抽样方法。该方法以不损失信息为前提，在充分降维的空间内重新计算Leverage分数，使得抽样更具有代表性。模拟数据分析显示，在样本容量较大的复杂数据中，相比于原始的Leverage重要性抽样方法，本文提出的方法可以降低估计的均方误差。三个实际数据也证实了该方法的可行性和有效性。     

大数据下Leverage重要性抽样方法的稳健改进

大数据以其巨大的样本容量或超高的变量维度使得直接计算变得不再可能,如何有效地抽取一个合适的计算样本是值得思考的问题.本文借鉴Leverage重要性抽样的思想,提出了两种稳健的改进抽样算法,不仅有效地抽取了代表性高的计算样本进行回归估计,还规避了方差大和异质性导致协方差矩阵估计不准的问题.模拟数据的分析显示,相比于Ma (2015)的方法,本文提出的方法具有更为优良的估计结果.     

提升云南农业国际竞争力研究——基于与东盟农业合作的视角

云南农业与东盟的合作对提升产业竞争力有着重要意义.文章分析了云南农业与东盟合作的主要方式及发展的制约因素,基于国家钻石模型和产业集群理论,提出了加大农业科技投入、提升农业经营主体实力、形成境内和境外产业集群及加大政府支持力度的相关对策.     

探析《国际贸易实务》教学的改革

市场竞争对高校国际贸易与经济专业的毕业生提出了更高的专业实践能力与外语能力的要求。国际贸易实务教学要有意识、有目的地提升学生的专业实践能力和外语能力。目前的教学方法要不断适应时代要求，进行改革，教学改革应从采用增强实践能力的教学方法、形成立体式的实践训练，采用双语教学等方面着手。     

农业主导区城镇化路径研究——以云南元江为例

在云南农业占主导地位的地区实施城乡一体化,其实现路径将有别于东、中部地区。这些地区短期内缺乏带有一定规模和带动力的工业产业承载城镇化过程中的就业需求,具有显著的特色农业优势资源,本文对发达的现代特色农业产业可否推动云南城镇化发展做了论证,提出了农业为主、产业联动的城镇化模式。     

企业重组中的资产评估问题研究

企业资产重组问题处理,如果不能例行相关法规文献上的条例内容进行规范化会计实务处理、资产评估,就必然会影响到中小股东及相关利益主体的经济权益问题,并对国有资产造成严重影响。基于此,本文以企业重组过程中的资产评估问题作为切入视角,对相关资产评估问题展开了研究分析,以期望企业重组能够规范、顺利进行。     

谷歌流感趋势的成功与失误

大数据时代下机遇与挑战并存,如何基于传统方法去处理大数据引人深思,一味地追求大数据也不一定正确。本文以谷歌流感趋势(GFT)为案例,介绍了大数据在疾病疫情监测方面的主要技术及相关成果,阐述了大数据在使用中的关键问题,并结合复杂的统计学工具给出了一些改进措施。谷歌流感趋势的成功取决于相关关系的应用,其失误却来源于模型的构造、因果关系和相关关系的冲突等问题。谷歌流感趋势案例的分析与启示对政府今后在大数据解决方案中有重要的理论和实践意义。     

含有图结构约束的稀疏最小方差资产组合模型

图结构是广泛用于描述生物学信息的一个重要方法。考虑到不同资产之间的相互影响作用,引入图结构来描述高维资产之间包含的信息,建立了一种基于图结构约束的最小方差资产组合模型,并且提供了一种有效的坐标下降优化算法。研究结果表明,基于图结构约束的资产组合模型在收益率、波动率和变量选取方面优于传统的资产组合模型,该模型对金融机构的投资决策有重要的实际意义。     

基于经验模态分解和广义可加模型的双变量频率结构影响研究

文章提出了一种基于经验模态分解和广义可加模型的组合方法,以研究非平稳自变量中不同频率的波动成分对因变量的非线性影响。模拟分析表明,经验模态分解可以对非平稳序列进行有效的分解,得到不同频率的波动成分,揭示了数据的内部频率结构。     

高等教育中心论浅析

高等教育要坚持以教学为中心，坚持以学生工作为中心。