两总体的面板数据的距离判别分析方法

提出了根据距离之差的时序数据的趋势特征来考虑进行面板数据的判别分析,给出了重复观察的各时点间隔相同的情况时两总体的面板数据距离判别规则,并给出了距离之差的时序数据趋势特征的检验方法,最后分析了重复观察的各时点间隔并不相同时的距离判别分析方法.     

基于动态时间规整的面板数据聚类方法研究及应用

以往的面板数据聚类方法存在一些缺陷,有必要基于动态时间规整的思路进一步改进与完善面板数据聚类方法。利用国家级经济技术开发区数据开展的实证分析结果表明：新的方法既能够很好地反映面板数据的动态变化、又避免了已有的面板数据聚类方法中各种距离如何赋权的问题,聚类结果较为稳定且有很好的可视化效果。     

面板数据加权聚类分析方法研究

在面板数据聚类分析方法的研究中,基于面板数据兼具截面维度和时间维度的特征,对欧氏距离函数进行了改进,在聚类过程中考虑指标权重与时间权重,提出了适用于面板数据聚类分析的"加权距离函数"以及相应的Ward.D聚类方法。首先定义了考虑指标绝对值、邻近时点增长率以及波动变异程度的欧氏距离函数;然后,将指标权重与时间权重通过线性模型集结成综合加权距离,最终实现面板数据的加权聚类过程。实证分析结果显示,考虑指标权重与时间权重的面板数据加权聚类分析方法具有更好的分辨能力,能提高样本聚类的准确性。     

基于形状特征的多指标面板数据聚类方法及其应用

针对多指标面板数据的样品分类问题,从特征提取角度提出一个多指标面板数据的聚类分析方法。该方法将时间序列的局部变化特性与整体距离关系结合起来,将局部变化的信息融入相似测度的计算中,提出一种自适应滑动窗口分段方法,实现时间序列局部变化的特征提取,在重新定义综合距离的基础上,提出一种聚类方法。通过实证分析,表明新方法能够解决多指标面板数据聚类的问题,分类效果较好。     

面板数据建模中存在的问题、对策及最新进展

单独应用时间序列数据或截面数据来检验经济理论的计量经济学方法都存在不同程度的缺陷,而面板数据建模却具有许多纯时间序列或截面数据没有的优点,但其建模过程也更复杂.文章指出了面板数据模型建模过程中常出现的几个问题,同时探讨了解决这些问题的有效对策.文章还对面板数据理论的最新进展及应用研究的文献进行了系统梳理,提出了有待深入研究的一些问题.     

基于特征提取的多指标面板数据聚类方法

多指标面板数据能够较全面的提供研究对象的信息和数据特征,但复杂的数据结构也给其聚类分析带来了一定的困难.针对这一问题,文章提出了基于特征提取的多指标面板数据聚类方法,该方法将能够表征面板数据动态变化的“绝对量”特征、“波动”特征、“偏度”特征、“峰度”特征及“趋势”特征引入动态聚类算法中,可以避免以往采用欧式距离进行聚类的局限性,还可以处理带有缺失数据的面板数据,同时大大提高了聚类效率,并最大限度地保证时间维度信息不受损失.利用该方法分析了2001至2013年我国不同省份道路交通事故的不平衡状况,通过实证分析表明该方法能够解决多指标面板数据聚类的问题.     

基于面板数据的数据仓库模型设计

信息技术是有效发展现代统计工作的重要方向.文章在介绍面板数据的描述方法及主流的数据仓库建模技术的基础上,提出了将面板数据存入数据仓库的方法,即基于面板数据建立其对应的数据仓库模型,当面板数据进入数据仓库系统后便可利用数据仓库系统中前台数据分析功能对原有的面板数据进行更深入的分析了解,也有利于从多组的面板数据中发现一些隐藏的信息,更进一步支持现代统计工作.     

混合地理加权回归模型的统计诊断

混合地理加权回归模型作为一类能简单有效解决空间非平稳问题的数据分析方法已经得到了广泛的应用.在利用该模型分析实际数据时,一个或多个特殊观测点的存在能导致估计结果发生较大改变.为了能有效检测出异常点,系统研究这类半参数模型的统计诊断与影响分析.首先基于数据删除模型定义了参数分量对应的Cook统计量,其次,基于均值漂移模型讨论了异常点的检验问题,构造了相应的检验统计量.     

动态面板数据模型的GMM估计及其应用

动态面板数据模型由于存在滞后项作为解释变量,导致传统参数估计方法在估计时存在有偏性和非一致性而只能采取GMM估计.文章整理了动态面板数据模型GMM估计方法的基本原理和思路,选取2003-2007年的行业面板数据建立动态面板数据模型,利用GMM估计方法对FDI对我国工业部门技术水平的溢出效应进行实证检验,结果表明基于GMM估计的动态面板数据模型较好的刻画了FDI的溢出效应.     

多指标面板数据聚类方法及其应用

文章针对多指标面板数据的样品分类问题,从多元统计学理论角度提出一个多指标面板数据的聚类分析方法。该方法综合考虑面板数据的水平指标、增量指标和增量变化率指标的时间序列特征及其非同步时间序列问题,在重新构造了离差平方和函数基础上,提出了一种聚类方法。通过实证分析,表明新方法能够解决多指标面板数据聚类的问题,分类效果较好。