(IGa-Ga)模型下二行动线性决策问题的抽样信息期望值

二行动线性决策问题是一类简单而又常见的决策问题。本文提出了在形状参数已知的情况下(IGa-Ga)决策模型,并讨论了此模型下二行动线性决策问题的抽样信息期望值(EVSI)的计算公式。     

一类二行动线性决策问题的抽样净益

本文对在二行动线性决策问题中,总体为指数分布的情况进行了讨论,给出了抽样信息期望和抽样净益的计算。     

二重AR(1)模型的参数估计

二重AR(1)模型是普通AR(1)模型的非线性化,也可看作是RCAR(1)模型的进一步推广。由于二重AR(1)模型比较复杂,传统参数估计方法难以估计其参数,本文提出采用MCMC方法来估计其参数。     

基于MCMC方法的贝叶斯AR(p)模型分析

本文提出运用Gibbs抽样的MCMC方法,解决时间序列AR(p)模型贝叶斯分析过程中所遇到的复杂的数值计算问题,借数据仿真分析来说明运用WinBUGS软件建模的分析过程,得出以MCMC为基础的WinBUGS软件简便了贝叶斯AR(p)模型的实际应用的结论.     

具有AR(1)误差的线性回归模型的统计诊断

在通常的线性回归诊断中,大多采用了方差齐性这一基本假定。但是在实际中遇到的问题往往比较复杂,误差项可能存在自相关性。文章研究了具有AR(1)误差的均值漂移模型和数据删除模型,得到了相应的诊断统计量,并证明了在AR(1)误差存在的情况下二者不是等价的。最后,通过一组实际数据来说明分析方法的有效性。     

模糊线性回归模型的最小二乘方法

针对自变量和因变量皆模糊的数据系统中的回归分析问题,为避免自变量退化成数值变量时可能引致的估计误差增大而带来的问题,提出系统中引入模糊调整项的回归模型的一般结构,并运用基于模糊数间完备距离的最小二乘法研究模型解析表达式;利用水平截集概念将模糊多元回归模型转化成两个传统回归模型,根据模糊数间距离采用最小二乘法得到参数估计,给出员工工作绩效评估的算例说明方法的有效性,并结合Bootstrap方法的应用,研究回归参数所具有的随机不确定性动态变化。     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

线性时变参数DGM(1,1)变权组合预测模型

文章为了提高统计组合预测的拟舍和预测精度,根据线性时变参数离散灰色预测模型的初值优化方法,给出了几个线性时变参数DGM(1,1)模型作为单项预测模型,进一步利用这些单项预测模型建立了一类变权线性时变参数组合预测方法.最后,将变权重线性时变参数组合预测方法应用于新疆生产建设兵团城镇化发展水平的组合预测,实例结果表明变权重线性时变参数组合预测方法具有较高的拟合精度.     

基于半参数方法的模型辅助抽样估计研究

在总结现有模型辅助估计方法的基础上,本文通过构造一种半参数超总体模型,同时结合广义差分估计思想提出一种新型的模型辅助估计量。该估计量比传统的非参数和半参数回归估计利用更少、更易得到的辅助信息,即只需利用和广义回归估计相同的辅助信息,但一般会比广义回归估计拥有更高的估计精度。理论证明了该估计量是渐近设计无偏和设计一致的,其渐近设计均方误差为广义差分估计量的方差。模拟结果显示：其至少与广义回归估计一样好;对于线性程度越低的超总体模型,其估计精度比广义回归估计有越明显的提高;就本文模拟而言,光滑参数在0.04～0.12间适当取值时其会取到相对较好的估计效果。     

信息不确定条件下的风险决策研究

信息在风险决策中扮演关键角色,但决策者在现实情境中却往往无法掌握明确信息,文章试图分析实验参与者在信息明确程度不同的情境中对决策偏好的差异,以探索其与风险态度的关联性.研究发现:决策者会因信息的明确程度不同,而偏好不一样的风险决策;风险决策差异愈大,越容易在不同信息明确程度下做出相异的选择;在信息不明确情况下,决策者相对偏好较稳健的风险决策.同时,发现参与者的金钱效用和机率权重参数与信息明确程度呈现明显的相关性.     

缺失数据下部分线性模型的变量选择

文章结合基函数逼近以及惩罚最小二乘技术,对响应变量随机缺失下的部分线性模型,给出了一个变量选择方法.并结合局部二次逼近,得到了一个迭代算法.数据模拟表明该变量选择方法是可行的.     

尤尔建立时间序列线性自回归AR(P)模型的历史过程探析

文章透过尤尔的生平经历及研究背景,立足于原始文献,从变量差分方法和无意义相关以及时间序列的分类等基础性工作出发,深入探讨了模型的历史形成过程及其意义。     

广义线性混合模型框架下的信度模型分析

尝试在广义线性混合模型的框架下构建信度模型。在广义线性混合模型框架中,假定被解释变量服从指数簇分布,假定自然参数先验分布为相应的自然共轭先验分布簇,按照Bayes理论,通过特殊构造,给出推论:对随机效应的估计满足经典信度公式。参数估计部分,利用自然共轭先验分布簇参数子列上下极限的性质找出先验分布参数的含义和关系,使用伪似然方法给出信度估计公式。并以特例形式讨论Tweedie模型,对模型进行变形,得到特例的Bühlmann-Straub信度和经典的Bühlmann信度。该模型同时考虑先验信息与后验信息,对整合分类费率与个体经验费率提供一定参考。     

常数分红策略下Erlang(2)常利率风险模型的分红折现函数

文章考虑了在常数分红策略下,索赔来到时间为Erlang(2)分布的常利率风险模型的分红折现期望值函数,得到了关于该函数的一个满足相应边界条件的二阶齐次积分微分方程,并将其转化为Volterra方程,最后给出当索赔额为指数分布时,分红函数满足一个三阶变系数齐次微分方程.     

基于加权组合和最小二乘法改进的GM(2,1)模型

文章通过分析指出了GM(2,1)模型存在灰微分方程与白化方程无法匹配以及默认经过初始值点的缺陷;利用权值p1、p2对一阶灰导数和背景值进行加权组合,建立了GM(2,1)模型的一种改进形式--GM(2,1,p1,p2模型,利用最小二乘法确定系统最终参数.实例验证结果表明,改进GM(2,1)模型具有更高的预测精度.     

居民消费价格指数的GM(1,1)模型预测

影响居民消费价格指数(CPI)的因素很多,难以通过回归模型来预测其未来走势.在一个较长的时间序列内,CPI变化具有较强的规律性,这满足使用GM(1,1)建模并用于预测的基本要求.文章通过创建CPI的GM(1,1)模型,并对该模型可用性进行了验证;在验证通过的情况下进行了CPI的模拟及预测.事实证明,使用GM(1,1)模型来预测CPI未来的走势,且具有较高的预测精度.     

线性回归模型在因变量缺失下的约束估计

文章主要研究了线性回归模型在因变量缺失下的约束估计,基于完整数据方法和单点插补方法,我们给出了模型系数的两种约束估计,并研究了估计量的渐近正态性.最后,我们通过数值模拟验证了所提方法的有效性.     

广义线性模型下ERIC方法的调节参数选择

变量选择是处理高维统计模型的基本方法,在回归模型的变量选择中SCAD惩罚函数不仅可以很好地选择出正确模型,同时还可以对参数进行估计,而且还具有oracle性质,但这些良好的性质是基于选择出一个合适的调节参数。目前国内关于调节参数选择方面大多是对于变量选择问题的研究,针对广义线性模型基于SCAD惩罚使用新方法 ERIC准则进行调节参数的选择,并证明在一定条件下经过该准则选择的模型具有一致性。模拟与实证分析结果表明,ERIC方法在选择调节参数方面优于传统的CV准则、AIC准则和BIC准则。     

基于GM(1,1)模型的CPI经济预测

文章利用我国2010年9月~2011年3月的CPI月度指数,采用GM(1,1)模型建立CPI预测模型,并进行模型检验,采用该模型对未来几个月的CPI走势进行预测,结果表明模型有效。     

基于GM(1,1)模型的我国人口发展趋势分析

计划生育政策一直广受关注,“单独二孩”政策遇冷到今年刚实施的“全面二孩”新政策更是引发了热烈讨论.新政策的实施势必影响人口的数量和结构的变化,从而影响我国经济社会的发展.文章首先分析了“全面二孩”生育政策对人口的数量、结构等方面的影响,然后通过建立灰色GM(1,1)模型预测中国未来人口发展趋势.通过研究分析发现:新政策的实行能够提高总和生育率水平、抑制出生性别比例失衡、延缓人口老龄化的进程、改善受教育程度等多种问题,而且计划生育新政策对我国未来人口数量增长具有显著促进效果,并对我国现阶段的人口问题的解决具有良好作用.