PLS算法的顾客满意度指数模型

通过对国内外顾客满意度指数模型的对比及对我国的现状分析,提出顾客满意度测评的常规模型。在此基础上对常规模型的模型设定、模型估计和模型评价进行研究;利用PLS算法估计模型中的各个参数,将外部估计分为无缺失值和有缺失值两种情况,针对后者提出局部权重新定的缺失值处理方法;以某食品公司为研究对象,对构建的顾客满意度测评常规模型进行实证分析和评价。结果表明:常规模型的显变量符合单一纬度条件、具有一定的解释能力和良好的内敛效度,拟合效果可以接受,测评结果是满意和有效的,为PLS路径模型研究及缺失值处理提供了实用方法。     

抽样调查中样本异常值的测量

抽样调查中,从差异较大的总体抽取样本通常会产生异常值,而样本变量异常值的存在将直接影响抽样估计的准确性与有效性。探讨样本异常值对抽样估计中样本均值、样本方差、抽样方差的影响及其测量方法。     

基于贝叶斯多变量厚尾随机波动模型的期货与现货联动效应研究

针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题,构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析,选择参数先验分布,设计基于Gibbs抽样的MCMC算法,据此估计模型参数,解决多变量随机波动模型参数较多难以估计的问题;并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明：贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动溢出效应。     

响应变量缺失下部分线性模型的异方差检验

研究了响应变量缺失下部分线性模型的异方差检验问题。首先,利用回归借补的思想对随机缺失的数据进行补全;其次,把经验似然的方法引入到部分线性模型的异方差检验中来,构造经验似然比统计量,并证明了在零假设下该统计量渐近服从卡方分布;最后,利用R软件进行数值模拟。结果表明:该检验统计量在检验水平和功效上均具有良好的效果,证明了经验似然方法在异方差检验中是可行的。     

心理学研究中缺失数据的分析方法

心理学研究中数据缺失现象广泛存在。缺失数据的不恰当处理将削减统计效力、提高估算偏误,影响研究结果,甚至扭曲最终结果。缺失数据问题的处理方法有多种,包括回归借补等的单一借补、多重借补、不处理的方法。综述了不同数据缺失机制与相应的分析方法,以及分析方法的适用情况。     

结构方程模型及其在心理统计中的应用

结构方程模型是心理统计学中用来探讨多变量之间关系的一种重要统计方法。结构方程模型的优势表现为:能够判断模型拟合程度的测量、预先假定变量间因果关系、包含潜在变量、处理测量误差、进行模型整体评价、探讨系统内多个变量间关系、模型构建等。为了符合心理学研究抽样调查较多的实际情况,并且在小样本情况下能得到更稳健的结果,结构方程模型的贝叶斯方法使用先验信息,能得到更准确的参数估计、潜在变量估计以及用于模型比较的统计量。在心理学研究的应用过程中应注意结构方程模型的前提假设、自由度和拟合指数等问题。     

KUK随机化调查模型下的贝叶斯估计

本文针对属性特征的KUK模型建立了贝叶斯估计理论,求出了在先验分布是混合贝塔先验分布、抽样方法是简单随机抽样情况下总体敏感特征比例的贝叶斯估计,并且使用后验均方误差作为精度标准,对贝叶斯估计与极大似然估计进行比较。     

中证100股票指数回归模型的实证分析

建立中证100股票指数与其成分股的线性回归模型,运用岭估计和弹性约束估计探讨模型中严重存在的多重共线性。结合弹性约束估计系数估计结果,通过限定最低门限修正模型以及去除系数估计值为最低门限值的回归变量,规避了回归系数估计为负值和不显著的问题。实证分析表明所建股票指数模型可行有效,股指追踪效果较好。     

岭回归在我国工程保险需求影响因素分析中的应用

本文对影响我国工程保险需求的各种因素进行分析梳理,选取了可能影响工程保险的三个外生变量——建筑业企业总收入、建筑业增加值、建筑安装工程投资额指标,并收集了1998-2008年的年度统计数据.通过对模型进行拟合度检验、显著性检验、相关性检验、异方差检验和多重共线性检验,发现自变量间存在严重多重共线性,导致最小二乘法估计结果不合理.岭回归分析是专门用于共线性数据分析的有偏估计方法,实际上,它是一种改良的最小二乘法,是以放弃最小二乘的无偏性,放弃部分精确度为代价来寻求效果稍差但更符合实际的回归过程.借助SPSS统计软件,运用岭回归技术建立了工程保险需求影响因素的模型.最后根据建模分析得出的结论,提出了一系列相关政策建议和管理启示.     

投资组合风险测度——基于FIGARCH-EVT-Copula方法

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记性。基于此,将FIGARCH、EVT和Copula有机融合,建立FIGARCH-EVT-Copula模型来估计组合风险值,利用上证指数、深成指数组合进行实证研究。实证研究表明:我国股市波动确实具有长记忆性;FIGARCH-EVT-Copula模型不仅能够准确刻画边缘分布的尖峰厚尾性、异方差性和长记忆性,而且较之于传统模型,该模型能更准确地测度投资组合风险。     

主要贸易伙伴市场利率对我国出口影响的研究

金融危机后出现的全球主要经济体普遍量化宽松潮会对我国产生各种外溢效应,其外溢效应可能会对我国出口产生影响。通过实证研究,我们建立了包含我国主要贸易伙伴对我国进口额、市场利率、汇率和经济总量的季度数据面板,发现面板数据序列总体为水平平稳,存在自相关、截面相关和异方差现象。根据这些检验结果建立双向固定效应模型,运用GLS和Drisc/Kraay稳健型标准误对各参数进行估计,并通过改变估计方法和改变利率代理变量的方式对模型设定和结论进行了稳健性检验。稳健性结果显示他国利率变动的影响不是通过汇率和经济增长机制来传导给出口的,同时,模型设定是稳健的。总的来看,他国市场利率对我国出口贸易有显著负向影响,即他国量化宽松政策能促进我国的出口增长,但金融危机发生后,这一效果被消弱了。     

应用稳健回归模型对房地产指数的跟踪及预测

为更好地研究房地产指数和房地产成分股的关系,建立了房地产指数与其成分股的稳健回归方程,对其残差进行分析并做回归诊断。利用岭回归、LASSO回归以及弹性约束估计等稳健方法解决变量之间的多重共线性问题。同时在岭估计中,提出一种新的基于最小外预测残差选择岭参数的选择标准,通过牺牲一部分无偏性,得到外预测残差更小的岭参数的模型,从而在外预测中具有更好的预测表现。     

基于贝叶斯面板平滑转换模型的房价阈值效应研究

针对经济变量之间普遍存在的非线性关系,导致线性模型拟合失效的问题,构建面板数据平滑转换模型,刻画变量之间关系的非对称性。采用贝叶斯方法进行模型的参数估计,避免非线性最小二乘算法难以收敛,参数估计不确定。通过分析模型结构,选择参数先验分布,设计相应的Metropolis-Hasting-Gibbs混合抽样算法,据此估计模型参数;在此基础上,利用省域面板数据分析房价阈值效应问题。研究结果表明:参数的动态迭代轨迹收敛,MH-Gibbs混合抽样算法能够准确地估计模型各参数,解决了非线性最小二乘无法收敛的问题,证明了贝叶斯面板数据平滑转换模型的有效性;同时也验证了房价波动的阈值效应以及房价与城市化、城乡收入差距之间的非线性关系。     

建筑施工企业用户满意指数模型研究

用户满意指数能反映出影响被测评对象满意程度的各个因素之间的本质关系,从而为企业经营管理提供可靠的信息。根据建筑施工企业自身特点,提出了建筑施工企业用户满意指数模型,构建了各个隐变量所对应的观测变量,给出了模型结构分析的数学表达式。针对模型隐变量之间存在的多重相关性和样本点个数与变量个数相比明显过少的问题,采用基于主成分和典型相关分析的偏最小二乘法（PLS）使指数模型的求解得到了很好的解决,用PLS路径分析法来估计模型隐变量和显变量对相应隐变量的解释程度系数,用PLS回归分析法来估计模型隐变量之间的影响系数。通过对成都市某建筑施工企业进行用户满意指数测评,对测评结果的隐变量之间进行了详细的相关关系分析和回归分析,为企业实施用户满意战略、提高用户对建筑施工企业的满意程度提供了积极有用的信息。     

数字线估计表征研究评述

数字线估计是估计数字在线段上的位置。采用行为实验和电生理法研究被试、材料和环境因素对数字线估计的影响,构建了基于对数、等级可变性、线性、幂函数等单一表征的早期模型和幂函数模型及基于多重假说的叠波理论,尽管这些理论都能解释表征的发展特点,但叠波理论能更好地解释数字线估计的心理机制。     

运用贝叶斯方法的混合异方差模型的参数估计

介绍了混合正态广义自回归条件异方差模型的基本特征,推导出在风险中性测度下模型的变化。用贝叶斯方法进行参数估计,从而形成一种新的组合方法。利用上证50ETF2017. 01—2017. 12的历史数据进行实证分析,结果表明:采用这种新的组合方法对收益率时间序列数据进行估计,不仅可以有效地估计出模型的参数,而且在应用于我国上证5OETF期权时误差效果也比较好。     

指数分布参数基于不完全样本的区间估计(英文)

对于不完全样本讨论指数分布总体参数的区间估计问题利用完全样本中的任意两个顺序统计量构造出区间估计所需的枢轴变量并讨论了相应的分布函数和密度函数即使只知道样本观测值中任意的两个顺序统计量值也可以计算出总体参数的置信区间在大样本的情况下给出了枢轴变量的近似分布可以构造总体参数的大样本近似置信区间     

基于结构元理论的模糊CAPM模型

针对资本资产定价模型（CAPM）在应用中变量的赋值为统计均值,忽略了统计方差,进而导致信息丢失的问题,为此提出了模糊CAPM模型。利用模糊结构元理论表达该模型;利用组合序反映不同决策者的风险偏好问题。算例表明,该模型不仅能够客观地反映已有的信息,更能反映不同决策者的决策特点。     

基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析

以Heneman提出的薪酬满意度的几个考察维度为参考变量,将贝叶斯网络引入薪酬满意度分析中,构建贝叶斯网络模型,通过因果推理和诊断推理对s公司的薪酬满意度进行预测和诊断,并对实证结果进行分析。研究结果表明,贝叶斯网络用图形的方法描述数据间的相互关系,语义清晰,可理解性强,有助于利用数据间的因果关系进行预测与诊断,贝叶斯网络的应用效果也是比较令人满意的。     

基于EM的朴素贝叶斯分类算法

将EM算法引入到朴素贝叶斯分类研究中,提出一种基于EM的朴素贝叶斯分类算法。首先用未缺失的数据属性的算术均数作为初始值,求得极大似然估计;其次迭代执行算法的E步和M步直至收敛,然后完成缺失数据的填补;最后根据朴素贝叶斯分类算法对数据进行分类。实验结果表明,与朴素贝叶斯分类算法相比,基于EM的朴素贝叶斯分类算法具有较高的分类准确率。