Logistic与分类树模型变量筛选的比较——基于信用卡邮寄业务响应率分析

基于信用卡邮寄业务响应率分析来讨论Logistic模型和分类树模型在变量选取上的区别,并尝试从几个不同角度去解释两类模型变量筛选差异的原因。笔者认为没有绝对占优势的方法,需要结合具体场景和模型的特点来选择合适的模型。分类树模型在训练集上容易过度拟合,对单个变量的影响很敏感,在进行危险因素分析时结果更能强调危险因素,对孤立点的识别率很高。Logistic模型容易受到解释变量依存关系的影响,加上分类变量的影响容易过多地选入变量或者因子,对孤立点敏感,对噪点不敏感。判别函数的差异是变量筛选差异的关键因素。     

知识联盟显性利益分配的一个有效近似解法

显性利益分配的公平性是决定联盟成员决定是否加入或维系联盟的关键因素.文章运用合作博弈理论,基于Shapley值法和Nash协商解法,分别分析了知识联盟的显性利益分配问题,导出了多人Nash利益分配的近似解,并对Shapley值法和Nash近似解法的一致性以算例进行了验证,结果表明二者具有高度的一致性,说明Nash协商近似解法可作为解决多企业联盟利益分配的有效方案.     

基于变权Shapley值的合作博弈赋权方法

文章针对一般的基于合作博弈组合评价中所采用的传统Shapley值进行评价时,会出现较优的单一评价方法被赋予较小权重的问题,提出考虑博弈方事先权重对合作博弈最终结果分配的影响,在组合博弈评价中采用变权Shapley值,从而保证赋予组合评价中的各评价方法合理的权重,达到更好地保留较优的单一评价方法的目的。     

基于稀疏结构连续比率模型的消费金融风控研究

近年来,我国消费金融发展迅速,但同时也面临着更加复杂的欺诈和信用风险,为了更好地对消费金融中借贷客户的信用风险进行监测,本文提出了基于稀疏结构连续比率模型的风控方法。相对于传统的二分类模型,该模型的特点是可以处理借贷客户被分为三类或三类以上的有序数据,估计系数的同时能从众多纷繁复杂的数据中自动筛选重要变量,并在变量筛选过程中考虑不同子模型系数的结构特征。通过蒙特卡洛模拟发现,本文所提出的稀疏结构连续比率模型在分类泛化误差和变量筛选上的表现都较好。最后将本文提出的模型应用到实际的消费金融信用风险分析中,针对传统征信信息不足的借款人,通过引入高频电商消费行为数据,利用本文提出的高维有序多分类模型能有效识别借款人的信用风险,可以弥补传统征信方法的不足。     

企业合作技术创新的利益分配模型

文章在分析企业合作技术创新中各利益方理性条件的基础上,建立了基于多人合作对策理论的企业合作技术创新收益分配模型,并采用Shapley值法、核心法和简化的MCRS法等分配方式进行了算例分析,探讨了不同计算结果的涵义。结果表明,合作对策模型可以较好地应用于合作技术创新中收益分配的优化决策。     

严格对角占优指派博弈解的研究

合作博弈在经济学研究中具有广泛的应用。通过数学证明的方法,研究严格对角占优指派博弈的解:研究了严格对角占优指派博弈的PS性;讨论了满足PS性的严格对角占优指派博弈的Shapley值、核仁与τ-值之间的关系;证明了严格对角占优指派博弈满足PS性的充分必要条件;得到了满足PS性的严格对角占优指派博弈的Shapley值在核心中,以及其Shapley值与核仁、τ-值一致的结论。     

BT项目风险协同分配研究

随着新型城镇化步伐的加快,为促进基础设施建设,缓解财政压力,发挥市场作用,引入社会资本的BT模式应运而生,BT项目风险分配成为BT模式成功运作的关键之一.文章通过建立基于加权Shapley值的BT项目风险协同分配模型,运用合作博弈Shapley值公理,通过风险模糊分析数据求取BT项目共担风险比例,并利用基于成本修正的加权Shapley值对共担风险比例加以修正,最终建立了BT项目风险协同分配表,为有关BT项目风险分配决策提供理论依据.     

基于Shapley值的产业集群知识利益分配的策略

知识创新是产业集群创新的主要方式,产业集群中的知识创新多为合作的方式,知识创新的利益分配影响知识创新合作的进行。文章在分析Shapley值法的基础上,将该方法引入产业集群中的合作知识创新的利益分配中,并给出了解决方案。     

回归分析中虚拟变量的系数转换

回归分析中虚拟变量的系数转换曹志祥在工业统计回归分析中,有时遇到自变量是属性变量的情形,即该变量描述的现象是足性的,或是可分类的,但回归分析中不宜直接使用属性变量。因为,对属性变量所赋与的离散值之间的相等间距掩盖了不同属类之间的差异,用属性变量直接回...     

金融机构的传染性系数大小研究

文章基于经济不景气与金融风险发生可能性大幅提高的经济背景,利用测度样本定权的熵值——Shapley法,从模糊论与博弈视角来量化金融机构之间存在的风险传染。     

超高维数据的稳健秩条件特征筛选

针对超高维变量筛选问题,提出一种新的稳健秩条件特征筛选方法,简称为RRCSIS。该方法不依赖于模型设定,并且可以同时处理条件特征筛选和特征筛选。数值模拟表明,RRCSIS在因变量或者自变量含有厚尾分布或者含有异常值时表现都很稳健,并且明显优于其他筛选方法。此外,为了识别出联合相关而边际不相关的变量,还提出了一种迭代的筛选过程,即IRRCSIS。最后,通过一个实例分析说明了该方法的有效性。     

基于不确定性的shapley值模型及其风险研究

文章将信息不完全、有限知识以及有限理性引入Shapley值模型中,基于不确定性建立了以区间数以及三端点区间数为特征函数估计参数的Shapley值模型,讨论了模型求解的方法;并研究由不确定性所产生的shapley值模型的高估风险和低估风险,提出了衡量收益估计的个体和群体风险度量方法.文章还结合企业联盟的算例,分析了模型的适用性和经济意义.     

多目标抽样调查中删除指标变量的预测方法

文章首先对调查指标的相关情况进行了分析,并提出了可供选用的筛选变量的方法,然后建立起预测模型以估计被删除变量的值。最后,通过实例给出了具体的使用方法。     

中国人口预测的自回归分布滞后模型研究

本研究以自回归分布滞后模型为基础,以人口年增长量作为被解释变量,人口年增长量的滞后值、人口年出生率和人口年死亡率的滞后值作为解释变量,分别设计了两类4个模型,并以1952-2002年人口序列数据为基础,采用一般回归法、后退法和逐步回归法三种方法对所设计的模型进行估计,得到可作为人口预测的168个模型.然后,从中筛选出较优的包含人口年增长量滞后值的中国人口自回归分布滞后预测模型和不包含人口年增长量滞后值的中国人口预测模型.     

关于相关分析与回归分析的比较研究

相关分析与回归分析是统计分析中的基本方法，两者之间既有联系，又有区别。本文拟对这两种分析方法进行一些比较研究。一、相关分析与回归分析的区别研究我们认为，相关分析与回归分析的区别主要表现在如下几点：第一表现为概念上的区别。相关是指一个变量的值与另一个变量的值有连带性。换言之，如果一个变量的值发生变化，另一个变量的值也有变化，则两个变量就相关了。这种相关关系是指变量之间的不确定的依存关系。比如，人的身高和体重，一般地说，身高者体也重，因此身高和体重之间具有相关关系。但是，具有同一身高的人，体重却有差…     

关于“二次相关法”筛选样本的探讨

关于“二次相关法”筛选样本的探讨常州轻工机械厂王兴俊回归分析是处理经济变量间相关关系的统计方法．回归方程的拟合度直接说明口归分析的准确性，为了提高回归方程的拟合度，建立回归方程前筛选样本是十分必要的。样本是按随机原则从全及总体中抽取出来的．由于，全及...     

电力大用户直购电交易决策模型

文章分析了电力大用户直购电的特点和问题,指出供电企业合作的必要性,运用博弈论构建了基于多人合作对策的供电企业合作对策模型,并采用Shapley值法、核心法和按各参与者收入高低等分配方式进行了算例分析,探讨了不同计算结果的寓意。结果表明,合作对策模型可以较好地应用于供电企业对大用户直接售电交易的优化决策。     

基于主成分分析的汽车特征价格模型初探

特征价格模型建立过程中，特征变量的选取是一个重要问题。实证研究中，为消除特征变量问的多重共线性，研究者通常采用逐步回归分析法来筛选变量，这样进入模型的特征变量往往比较少。因此。本文将主成分分析法引入于特征价格模型。利用我国汽车数据，建立了基于汽车特征因素主成分分析的特征价格模型，不仅解决了汽车特征变量间存在的多重共线性问题，而且有效改善了用逐步回归分析法筛选变量选取较少变量的情形。     

不等概率分层抽样条件下Probit模型的参数估计

线性回归分析作为一种传统的统计分析方法,现已得到广泛的应用和完善.但受其对应变量连续性要求的影响,当应变量为分类变量(常见的是二分类变量,即y取0,1两个值)时,线性回归模型不再适用.人们通常采用Probit模型或Lotist模型对二分类因变量进行回归分析,与线性回归不同,Probit回归是一种非线性回归模型,因而在参数估计时,通常采用极大似然估计,并且在随机样本条件下,Probit模型的极大似然估计具有一致性,渐进有效性和渐进正态性.     

基于Shapley值的知识产权交易联盟双赢博弈分析

基于Shapley值和战略联盟的视角,文章构建了一个联盟博弈模型,在Shapley值的分配方案下,构建知识产权交易联盟会使结盟的两个组织的整体收益以及各自的个体收益都得到改善的过程,阐释了结盟"双赢"的缘由.这对于组织合理分配联盟收益,通过交易优化知识配置具有现实指导意义.