陕西高校教育信息化水平综合评价研究——基于结构方程模型

基于2015年陕西省高校信息化调研问卷数据,运用结构方程模型构建了陕西高校教育信息化水平评估模型。选择六个维度的20个可测变量对陕西高校教育信息化综合水平进行统计分析,并取得了较好的结果。根据各维度标准化路径系数,赋予指标权重,对陕西高校教育信息化水平进行了综合评价和分析,分析结果为陕西高校教育信息化建设决策提供理论依据。     

加强军校校园文化建设培养高素质边防部队人才

一、加强校园文化建设对培养优秀人才的重要意义和作用文化是人类在社会实践中创造的物质和精神财富的总和.军校是特殊的社会群体,军校的校园文化是军营文化不可或缺的组成部分,它是寓予军营文化之中的特殊文化,就它的作用和特点来讲,校园文化应是部队先进文化的示范区和普及区,对部队文化工作有辐射、示范、带头的作用.加强校园文化建设是实施"文化战斗力"的客观要求,是适应部队建设发展的根本需要,我校自成立以来,始终担负着为边防部队培养人才输送人才职能作用.     

校园文化建设与学校教育

近年来，校园文化已经越来越引起高校教育工作者的关注。建设高格调、高水平、高质量的校园文化，对学校坚持社会主义办学方向，继承和发扬中华民族优秀的文化传统和革命传统，吸收世界文明成果，培育高素质人才，都具有十分重要的意义，对社会的精神文明和文化建设具有重大影响。实践证明，校园文化对培养和造就全面发展的高素质人才，对大学教育具有重要作用和现实意义。     

校园文化建设与学校教育

近年来，校园文化已经越来越引起高校教育工作者的关注。建设高格调、高水平、高质量的校园文化，对学校坚持社会主义办学方向，继承和发扬中华民族优秀的文化传统和革命传统，吸收世界文明成果，培育高素质人才，都具有十分重要的意义，对社会的精神文明和文化建设具有重大影响。实践证明，校园文化对培养和造就全面发展的高素质人才，对大学教育具有重要作用和现实意义。     

高校校园文化建设对大学生思想道德教育的影响

高校校园文化作为社会文化系统中的重要组成部分,是以全校师生为主体创造的教学科研、学习、生活等社会实践活动中所表现出的文化意识和行为,对大学生思想道德的教育环境、教育心理、教育方法有积极的影响。     

高校交通情况的调查统计与管理对策

随着高校教育体制改革的深入发展,高校办学规模的不断扩大,学校与外界交流、合作的日益频繁,以及高校后勤社会化的改革,前来高校进修、培训、科研合作和经商的单位、个人越来越多,大量的机动车辆不断涌入校园.特别是中国加入WTO后,机动车价格的大幅度下降,以及部分城市机动车上牌费的取消和私家车上牌数量的放开,加快了单位与个人对机动车的购买力,也促使了高校内有车一族的数量剧增.高校机动车数量的快速增长,大大增加了高校校园的交通压力,同时给高校校园交通带来了许多严重的安全隐患.     

大数据背景下网络调查样本的建模推断问题研究——以广义Boosted模型的倾向得分推断为例

随着大数据和网络的不断发展,网络调查越来越广泛,大部分网络调查样本属于非概率样本,难以采用传统的抽样推断理论进行推断,如何解决网络调查样本的推断问题是大数据背景下网络调查发展的迫切需求。本文首次从建模的角度提出了解决该问题的基本思路：一是入样概率的建模推断,可以考虑构建基于机器学习与变量选择的倾向得分模型来估计入样概率推断总体;二是目标变量的建模推断,可以考虑直接对目标变量建立参数、非参数或半参数超总体模型进行估计;三是入样概率与目标变量的双重建模推断,可以考虑进行倾向得分模型与超总体模型的加权估计与混合推断。最后,以基于广义Boosted模型的入样概率建模推断为例演示了具体解决方法。     

基于贝叶斯网稀疏结构学习的信用影响因素结构发现

面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战。尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响。     

流动人口社会融合指标体系内在关系研究

利用2014年流动人口社会融合专题调查数据,分别以经济融合、社区融合、文化接纳、自我认同中任何一个变量为因变量,剩余三个变量为自变量,构建由经济模型、社会模型、文化模型和自我认同模型组成的联立方程组,并采用多元线性回归和logistic回归为主要方法,引入流动性别、年龄、受教育程度、户口性质、流动区域、民族等六个变量为控制变量,对流动人口社会融合的四个维度的内在关系进行了分析。研究发现,经济收入与社区融合统计关系不显著,与文化接纳和身份认同统计关系显著,表明收入越高文化接纳越好,身份认同却越差;经济收入对心理文化及社区参与的影响要略微强于心理文化及社区参与对经济收入的影响,经济融合有一定的独立性特征,而社区参与、文化接纳与身份认同存在更高的一致性关系。     

移动社交支付采纳行为影响因素实证研究

以技术接受模型为基础,以移动社交支付应用为研究对象,根据研究情景进行模型拓展,加入网络外部性、感知娱乐性、社会影响三个变量,根据变量间的关系构建研究模型并使用SmartPLS软件检验。研究表明,产品感知(感知有用性、易用性、娱乐性)、社会影响和网络外部性是影响用户行为的重要因素;网络外部性与用户感知(感知有用性、易用性、娱乐性)和行为意向正相关;社会影响对感知有用性、感知易用性、网络外部性和行为意向影响显著;感知易用性与感知娱乐性正相关。     

辽宁文化产业与经济发展协调状况评价及其思考

协调状况的综合判断不仅要考虑协调度还要考虑协调发展水平,以反映不同水平下的协调程度。综合判断的目的不仅仅要计算出排序结果,更要关注综合水平背后被平均掉的个体指标,基于这种思路指出：辽宁文化产业与经济发展总体上虽处于相对协调状态,但在很多方面仍存在文化产业落后于经济发展的情况,这是辽宁文化产业发展的软肋。     

对自然资源与环境核算问题的思考

1992年6月在巴西里热内卢召开了有100多个国家政府首脑参加的“联合国环境与发展大会”,在大会通过的《21世纪议程》主体文件中明确规定,为了实现人类社会经济的可持续发展,“主要目标为扩大现有国民经济核算体系,将环境和社会因素纳入该体系,至少所有会员国的核算体系应包括附属自然资源核算制度”。目前,自然资源与环境核算研究并设计可供操作的国家级方案已成为国际社会特别是我国社会经济统计界的广泛共识,成为当代社会经济研究中的一个重点、热点课题。     

Estimation and Confidence Intervals for Clock Offset in Networks with Bivariate Exponential Delays

There is a large and increasing literature on statistical modeling-based estimation of the offset between two clocks. Recent work has focused on the construction of confidence intervals for offset. However, in most of this work it has been assumed that the network delays that occur during the synchronization process are independent. The network delays are often modeled as independent exponential random variables. Thus, we introduce the use of a bivariate exponential distribution to capture the anticipated correlation between the network delays and derive a maximum likelihood estimator and a confidence interval procedure for the offset parameter. We then illustrate how use of the independent model for network delays can lead to improper inference about the offset parameter.     

关于文化软实力量化指标评价问题研究

相对文化软实力研究而言,文化软实力的数量评价为难中之难,而对其数量表现上的硬指标体系的构建是一项严谨而又复杂的科学事项。但是,也只有软“功”硬“做”,才能创新性地对文化软实力硬指标体系的构建作积极的探索与研究,使之更好地评价文化软实力以及推进其更深化的研究。本文正是基于这一目的,在构建文化软实力的硬指标体系及其统计评价模型上作个从理念至实证的探微,力求促进文化软实力的发展与观念的演进在理论与实践上的互动,从中窥见文化软实力发展过程中的规律性变化,以期对调动文化执政方略的禀赋与提高施策水平有所裨益。     

高维大数据基因网络中的社区发现——以NC方法为例

从大量基因中识别出致病基因是大数据下的一个十分重要的高维统计问题。基因间网络结构的存在使得对于致病基因的识别已从单个基因识别扩展到基因模块识别。从基因网络中挖掘出基因模块就是所谓的社区发现（或节点聚类）问题。绝大多数社区发现方法仅利用网络结构信息,而忽略节点本身的信息。Newman和Clauset于2016年提出了一个将二者有机结合的基于统计推断的社区发现方法（简称为NC方法）。本文以NC方法为案例,介绍统计方法在实际基因网络中的应用和取得的成果,并从统计学角度提出了改进措施。通过对NC方法的分析可以看出对于以基因网络为代表的非结构化数据,统计思想和原理在数据分析中仍然处于核心地位。而相应的统计方法则需要针对数据的特点及关心的问题进行相应的调整和优化。     

文化创意产业的金融抑制现状研究

近年来文化创意产业逐渐成为新时期国民经济增长的新动力,然而由于金融发展水平低下,文化创意产业出现了金融抑制现象。应用MRW模型对中国文化创意产业金融抑制现象进行实证分析,发现文化创意产业价值评估难是导致金融抑制的主要原因。应完善金融机构文化创意产业评估机制,对文化创意产品的内在价值进行合理的评估,进而减缓文化创意产业的金融抑制现象的发生。     

Simple Formula for Calculating Bias‐corrected AIC in Generalized Linear Models

In real‐data analysis, deciding the best subset of variables in regression models is an important problem. Akaike's information criterion (AIC) is often used in order to select variables in many fields. When the sample size is not so large, the AIC has a non‐negligible bias that will detrimentally affect variable selection. The present paper considers a bias correction of AIC for selecting variables in the generalized linear model (GLM). The GLM can express a number of statistical models by changing the distribution and the link function, such as the normal linear regression model, the logistic regression model, and the probit model, which are currently commonly used in a number of applied fields. In the present study, we obtain a simple expression for a bias‐corrected AIC (corrected AIC, or CAIC) in GLMs. Furthermore, we provide an ‘R’ code based on our formula. A numerical study reveals that the CAIC has better performance than the AIC for variable selection.     

A Selective Overview of Variable Selection in High Dimensional Feature Space

High dimensional statistical problems arise from diverse fields of scientific research and technological development. Variable selection plays a pivotal role in contemporary statistical learning and scientific discoveries. The traditional idea of best subset selection methods, which can be regarded as a specific form of penalized likelihood, is computationally too expensive for many modern statistical applications. Other forms of penalized likelihood methods have been successfully developed over the last decade to cope with high dimensionality. They have been widely applied for simultaneously selecting important variables and estimating their effects in high dimensional statistical inference. In this article, we present a brief account of the recent developments of theory, methods, and implementations for high dimensional variable selection. What limits of the dimensionality such methods can handle, what the role of penalty functions is, and what the statistical properties are rapidly drive the advances of the field. The properties of non-concave penalized likelihood and its roles in high dimensional statistical modeling are emphasized. We also review some recent advances in ultra-high dimensional variable selection, with emphasis on independence screening and two-scale methods.     

Investigation about a screening step in model selection

In many studies a large number of variables is measured and the identification of relevant variables influencing an outcome is an important task. For variable selection several procedures are available. However, focusing on one model only neglects that there usually exist other equally appropriate models. Bayesian or frequentist model averaging approaches have been proposed to improve the development of a predictor. With a larger number of variables (say more than ten variables) the resulting class of models can be very large. For Bayesian model averaging Occam’s window is a popular approach to reduce the model space. As this approach may not eliminate any variables, a variable screening step was proposed for a frequentist model averaging procedure. Based on the results of selected models in bootstrap samples, variables are eliminated before deriving a model averaging predictor. As a simple alternative screening procedure backward elimination can be used. Through two examples and by means of simulation we investigate some properties of the screening step. In the simulation study we consider situations with fifteen and 25 variables, respectively, of which seven have an influence on the outcome. With the screening step most of the uninfluential variables will be eliminated, but also some variables with a weak effect. Variable screening leads to more applicable models without eliminating models, which are more strongly supported by the data. Furthermore, we give recommendations for important parameters of the screening step.     

计量经济学中的潜变量模型：一个方法论角度的考察

上世纪中叶,因子分析和典型相关分析方法的发展完善,解决了潜变量的测度及其相关关系衡量问题,奠定了潜变量因果模型的方法论基础。此后,潜变量模型被引入到计量经济学研究领域,依次经历了共同结构范式模型、经典潜变量模型和非经典潜变量模型三个阶段,逐步成为现代计量经济模型的重要组成部分。本文从方法论角度对计量经济学中的潜变量模型发展过程进行了全面考察,比较了各个阶段建模方法论的特征,归纳总结了其发展演化规律,并对下一步研究的重点领域进行了展望。