第六届海峡两岸统计与概率学术研讨会综述

第六届海峡两岸统计与概率学术研讨会于2009年1月10-12日在南京大学举行.来自祖国大陆和宝岛台湾的122名统计和概率方面的专家、学者参加了本次研讨会,其中大陆代表86名,台湾代表36名.会议共收到论文94篇.     

农民问题咋解决

笔者认为,目前,农村人多地少的矛盾以及农村劳动力转移缓慢是造成农民收入增长缓慢、农村社会发展滞后的主要因素。只有减少农民的数量,实现农业生产经营规模化、农村剩余劳动力非农化、农民生活市民化,才是最终解决“三农”问题之道。农村劳动力转移缓慢的主要原因是长期以来实施的以城市发展为中心的发展战略。为了实现劳动力的合理转移,需要在发展思路和发展政策上做出调整。我们认为,在建设新农村的过程中,重要的是需要对阻碍农村发展的一些制度性因素进行变革。具体包括以下几个方面:改革户籍管理制度目前,我国在户籍管理制度上已经开…     

一个基于神经网络——Logistic回归的混合两阶段个人信用评分模型研究

一、问题的提出在建立个人信用评分模型时 ,预测精度是非常重要的 ,因为许多情况下即使预测的准确性只提高一点点 ,也会使信贷机构的损失减少很多。正因为如此 ,大量的统计分类技术被应用到信用评分领域。文 [1]首次利用中国某商业银行的信用卡客户数据对多种个人信用评分方法在中国的适用状况进行了全面的比较研究。结果表明 ,不同的模型有自己不同的优点和缺点 :神经网络等非线性方法的精度往往要高于 (线性 )判别分析、Logistic回归、线性规划等线性评分方法 ;而Logistic回归、判别分析、线性规划等方法的稳健性① 则比神经网络方法要好…     

第七届海峡两岸统计与概率学术研讨会综述

第七届海峡两岸统计与概率学术研讨会于2010年7月6-7日在中国台湾成功大学举行.本次研讨会与中国台湾南区第19次统计研讨会一起举办,为海峡两岸更多的专家、学者提供了相互交流和学习的机会.     

中美贸易统计误差原因分析研讨会综述

摘　　要:由中国统计学会和美国国际贸易委员会联合主办的“中美贸易统计误差原因分析研讨会”于2006年10月24日在北京召开。中国统计学会会长李德水出席会议并致欢迎辞。来自美国国际贸易委员会经济办公室主任罗伯特·库曼博士为首的4位经济学家以及来自国家发展与改革委员会、商务部、海关总署、国务院发展研究中心、国务院研究室、北京大学、中国人民大学、对外经济贸易大学等30余位中方专家学者参加了会议。北京大学中国经济研究中心主任林毅夫教授、亚洲开发银行驻中国代表处副代表汤敏博士也应邀与会。会议由中国统计学会秘书长李纲先生和美国国际贸易委员会经济办公室主任罗伯特·库曼先生主持。     

新农村建设中存在的若干问题

摘　　要:作者认为。在新农村建设中应首先着力解决与农民切身利益相关的一些问题。这些问题包括：农民收入增长缓慢、城乡居民收入差距持续扩大;城乡教育水平差距大、农民教育负担重;城乡医疗卫生资源分布不平衡、农民医疗费用支出负担重;农村社会保障体系缺失。作者对产生这些问题的原因进行了分析,并提出了解决这些问题的一些政策措施 。     

企业一套表对统计工作组织体系的要求

企业一套表是以企业这一统计调查对象为核心,整合现行统计报表制度,消除不同统计调查制度对同一调查单位的重复布置和重复统计,充分运用现代信息技术,实现数据采集方式的统一组织管理和统计资源共享的一种新的统计调查制度。其主要特点是,统一设计调查内容、规范设置统计指标、统一管理     

第九届中日统计科学研讨会综述

第九届中日统计科学研讨会于2007年9月26日-28日在日本北海道大学召开.来自中日两国的统计专家、学者100余人参加了本次研讨会.     

个人信用评分的主要模型与方法综述

随着中国经济的快速发展 ,信用消费已逐步浮出水面 ,住房按揭、汽车贷款、教育贷款、信用卡等各种个人消费贷款的规模在迅速扩大。在消费信贷热不断升温的形势下 ,各商业银行均把发展零售业务作为未来发展战略的重要组成部分。但是由于目前国内商业银行对零售业务的风险管理水平较低 ,管理手段与方法均较落后 ,其中缺乏一套有效的个人信用评分方法是阻碍了个人消费信贷业务进一步开展的主要因素之一。本文的目的就是在对国外有关商业银行较常使用的个人信用评分模型与方法进行综述 ,并就各种方法的性能进行分析比较。　　一、信用评分的简要…     

多种个人信用评分模型在中国应用的比较研究

信用评分的目的是利用现有的样本数据建立模型,利用此模型对未来申请人的信用行为进行预测,从而区分出"好"客户和"坏"客户.这里,预测的精度是非常重要的,因为许多情况下即使预测的准确性只提高一点点,也会使信贷机构的损失减少很多.正因为如此,大量的分类技术被应用到信用评分领域.那么,到底哪种方法比较好?从现有的研究结果看,并不能得到一个一致的结论,有些结论甚至互相矛盾.如:Desai等(1996)发现,神经网络方法显著优于线性判别分析,而Yobas等(2000)的研究结论则正好相反.因此,到底选择哪一种方法建立评分模型,到目前为止即使在发达国家也仍然是一件困难的事情.