幂整体模式累加多层统计模型的建立及应用

文章将幂单变量整体模式累加多层统计模型和单变量整体模式累加多层统计模型应用到仅有两个调查数据的香蕉组织形式绩效的预测中,计算了预测误差,并且比较了幂单变量整体模式累加多层统计模型和单变量整体模式累加多层统计模型的预测结果.     

多层统计模型的应用进展综述

作为一个新的统计学方向,多层统计模型在近年发展迅速。文章对国内外多层统计模型的应用进行了系统性的归纳总结,并对应用进行分类和述评,最后展望了今后的研究趋势。     

基于多变量动态模型的产出缺口估算

 本文运用多变量动态模型系统下的Beveridge-Nelson分解方法和贝叶斯Gibbs抽样估计,估算了1985年1季度至2008年2季度期间中国的产出缺口,并且与传统的单变量估计方法测算的结果在统计属性和对货币政策调节的预测效果方面进行了比较。实证结果表明,不同产出缺口的统计属性存在差别,并且只有基于多变量系统测算的产出缺口对货币政策具有显著预测效果。这说明多变量模型估计出的产出缺口更全面地考虑了经济产出与其他相关变量的互动效应,含有的信息更为丰富,从而对宏观政策调整具有更重要的参考价值。     

基于状态空间模型和多层模型的广东城乡消费差异研究

运用状态空间模型和多层模型,从宏观与微观、横向与纵向多个维度对改革开放以来广东省城乡居民消费差异影响因素的特征进行了刻画,对场景变量影响城乡消费差异的程度进行测度。研究表明:边际消费倾向、物价水平、恩格尔系数这三个因素对城镇和农村居民消费的影响规律相似,但从整体上看,前两个变量对城镇居民消费影响的波动更剧烈;与2005年相比,2010年城乡居民的整体消费水平不断提高,但城乡之间消费的绝对差距、城乡居民的边际消费倾向都在减小;城乡之间消费环境的差距使城乡居民消费差距不断扩大;社会投资水平对城乡消费的影响力度在逐渐上升。     

多层贝叶斯模型在消费者偏好分析中的应用研究——基于手机市场数据

基于手机市场的调研数据,构建了多层贝叶斯模型,并将其与传统哑变量回归模型进行比较,得出前者比后者具有更好的模型拟合能力和预测能力的结论。利用有人口特征变量的多层贝叶斯随机效应模型来完成对所有未知参数的估计,从个体内行为和个体间行为两个层面对消费者的偏好行为进行全面分析,结果发现该模型可以很好解释消费者的总体偏好及其偏好差异性。     

基于多层因子模型的我国核心通货膨胀估计

本文利用我国CPI分类数据,基于多层因子模型构建了一种新的核心通货膨胀指标.通过与单层因子模型方法的对比研究发现:单层因子模型会高估核心通货膨胀的波动性,原因在于其无法识别仅影响大类价格变化的局部因子,并将局部因子的大部分作用归于具有普遍性影响的全局因子.而多层因子模型不仅能够识别局部因子,并且利用分离局部因子之后的全局因子构造的核心通货膨胀指标具有更小的波动性,且更符合核心通货膨胀的内涵.     

数据挖掘中多分类有序变量间距差异分析及应用

文章在明确累积logistic回归模型的基础上,针对多分类有序变量存在间距差异的问题,提出了统计检验方法并引入工具虚拟变量对logistic模型加以改进,通过其在实际中的应用,取得了良好的效果.     

多变量时间序列模型识别方法

模型识别是建立时间序列模型的基础,是模型预测成败的关键。本文介绍了五种多变量时间序列模型识别的方法,分析了每种识别方法的输出形式,最后利用SAS统计软件对多变量时间序列模型的识别进行实证研究。     

多变量混沌时间序列的最小二乘支持向量机预测

文章根据多变量混沌时间序列的相空间重构理论,建立了多变量时间序列的最小二乘支持向量机预测模型.通过Lorenz系统和中国股市的股票价格序列对该模型进行了验证,结果表明该预测模型能精确地预测混沌时间序列,并且优于基于单变量时间序列的最小二乘支持向量机预测模型.     

多因素多阶影响分析模式及其应用

广泛应用的传统多因素影响分析模式或结构分解分析(SDA)模型实际上是不科学的,既不是真实的客观事实描述,也没有决策参考价值,模型选择具有过强的主观性.文章对此进行了批评分析,并提出了新的多因素多阶影响分析模式.该模式把一个因变量的总变化以差分形式分解为多阶变化,严格遵循了变量变化的自然分解形式.应用新模式对于我国人均粮食产量变化的因素影响分析结果显示了其重要应用价值.