从一组指标中选择部分有代表性指标的方法

给定一组抽样数据或统计数据之后,用于统计分析的指标(即变量)是否一定需要P个这么多?也即在P个变量所构成的集合中,是否能找到一个子集合,该子集合内部指标间是彼此不能代替的,而该子集合所包含的变量又能够反映总体的结构。这种简化结构的处理对研究社会、经济现象之间的规律、构造模型、简化抽样调查方案等方面具有重要作用。 一、方法介绍 社会经济领域内的随机现象大量存在,而随机性也是社会经济现象所具有的基本特征。     

经济景气指标与实际GDP增长率的混频预测

文章通过构建月度景气指标与季度实际GDP增长率之间的混频动态向量自回归模型,并采用期望最大值算法和卡尔曼滤波来实现混频数据和缺失数据的估计和迭代预测.大量月度景气指标的MFVAR模型的伪实时数据的多步滚动迭代样本外预测结果表明:虽然不同类别的月度景气变量在不同预测期的预测结果存在一定的差异,但实时预报、短期预测,以及组合预测结果均表明混频动态向量自回归预测模型对我国季度实际GDP增长率的实时预报和短期预测具有精确性、有效性与适用性.     

主成分分析与因子分析的异同比较及应用

在经济实证问题研究中，对某一现象通常会考虑其众多的影响因素，因为人们希望尽可能多地收集关于分析对象的数据信息，进而能够对它有比较全面、完整的把握和认识，于是对某个分析对象的描述就会有许多的变量(或指标)。这些经济变量在大多数情况下不是独立     

基于局部积差相关系数阵的纵向数据R型聚类分析——以现代服务业为例

在信息技术快速发展的今天,对问题和现象的研究已不再局限于单纯利用截面数据或时间序列数据进行分析。与之相比,纵向数据包含更多的信息,广泛而深入地挖掘其数据中的信息对于人类认识自然、认识社会有着重要意义。通过对纵向数据结构特征的研究,提出了纵向数据变量的局部积差相关系数矩阵。该相关阵不仅可以对变量的内部结构进行分析,更为重要的是,以此为基础来计算变量间相关系数,可以从一个新的视角,更为深入地揭示变量间的相关关系,进而可以对变量施以新型聚类分析。     

横截面数据变量的规模特征:特征价格建模分析

本文通过对截面数据排序这样一种创新的简单建模实验,将经济变量间关系的一个基本特征——非线性规模效应纳入到截面数据模型设定中。本文以特征价格模型为实验案例,具体的分析对象是汽车和电脑的特征价格模型。实验得出的主要结论有:由于忽略了截面数据样本中潜在的非线性规模效应,传统模型得出的特征价格指数很可能存在系统偏差;基于规模解释变量的数据排序方法是滤出截面数据样本中非线性信息的一种简易而有效的途径;截面数据一经排序,便可采用现有的系统动态建模方法来实现对变量间这种非线性规模信息的滤出。     

中国经济波动来自趋势还是周期——基于多种UC模型的比较分析

传统趋势周期分解方法存在理论基础不符实际、缺少数据生成过程等问题,相较而言,UC模型具有一定优势。论文采用贝叶斯方法和中国宏观季度数据,估计了多个UC模型以分解产出的趋势和周期。研究发现：(1) 断点期在2008Q1的无约束UC模型为最优模型;(2) 趋势新息波动大于周期新息波动,两者高度负相关;(3) 趋势增长率发生了结构性下降;(4) 经济下行源于趋势下行而非周期下行。论文的基本结论在双变量模型、其它数据、其它经典单变量方法下依然成立。论文为宏观调控和“供给侧”改革提供实证依据。     

基于非对称分布散点分位数的区间数据回归分析

许多经济变量(如GDP)水平序列随着时间变化具有单调趋势,截面数据(如各地区GDP)之间存在差异,为了研究经济变量在一段时间内的平均发展水平和相互关系,文章基于区间型符号数据的研究视角,提出了一种基于分位数思想的Bayesian回归方法,用以分析内部存在非对称分布散点的区间数据,既可以估计数据的区间,也可以预测数据在此区间内的偏度和离散程度。在模拟研究中,通过对评价指标数值的假设检验分析了该模型相对于上、下限和中点半径模型的效果,并根据真实数据中存在异常信息的现象,在模拟数据中加入异常值,进一步验证分位数方法的优势和稳健性。在实证研究中,运用提出的分位数方法,上、下限法和中点半径法对我国各地区GDP和工业生产总值年度数据进行区间回归分析,评价指标显示分位数模型Bayesian方法具有更优的拟合和预测效果,在GDP发展水平不同的地区,工业增长的贡献存在差异。     

基于稀疏聚类的高维数据特征选择及应用

文章研究了一种高维数据聚类特征选择方法——稀疏聚类,稀疏聚类是通过对特征变量赋予权重,并添加lasso惩罚因子,压缩权重,得到对变量的权重排序,即重要性排序,使其在进行分类预测的同时达到自动剔除冗余变量的效果,从而起到了对高维数据聚类时的特征选择作用.将此方法运用于中国环保问题,将中国31个省份根据环保情况分为3类,并从现有的104个环保指标中筛选得到20个重要指标.     

基于多源数据融合的个人信用评分研究

随着信息技术的发展,数据来源越来越多,一方面可以更加精准、科学地刻画个人信用状况,但另一方面,由于数据来源多、结构复杂等问题,对传统的征信技术带来了挑战。本文提出了基于多源数据融合的个人信用模型,可以同时对多个数据集进行建模和变量选择,同时考虑了数据集间的相似性和异质性。通过模拟实验发现,本文所提出的整合模型在变量选择和分类效果方面都具有明显的优势。最后,将整合模型应用于城市和农村两个数据集的个人信用评分中。     

如何对经济数据进行科学分析

与许多自然科学家不一样,宏观经济学并不能进行实验,我们必须通过记录经济变量所发生的变化来收集数据。如果收集了足够多的数据,我们就可以通过取类似事件在多种情形下观察到的平均数来揭示规则的行为模式。例如,我们可以取衰退期的失业率和通货膨胀率的平均值。在经济数据里存在两种类型的规则性:不同变量增长因素之间的关系以及经济周期之间的关系。     

论GDDS国际标准与中国统计数据缺陷

一、实际部门 (ＲｅａｌＳｅｃｔｏｒ)ＧＤＤＳ对实际部门数据公布的要求包括四个方面 :(1)国民帐户 ;(2 )生产指数 ;(3)价格指数 ;(4)劳动力市场。目前我国国民核算帐户基本囊括了ＧＤＤＳ要求的所有指标。在方法上 ,包括ＧＤＰ生产核算和使用核算 ;在计价上 ,既进行名义指标核算也进行实际指标核算。数据公布频率和及时性与ＧＤＤＳ基本一致。缺陷主要表现在 :(1)只公布现价ＧＤＰ和可比价增长速度 ,未公布可比价ＧＤＰ绝对量 ;(2 )没有开展当季ＧＤＰ核算。在数据质量、完整性和公众获取方面 ,也存在一些缺陷 ,比如 ,数据来源方面的信息…     

农村抽样调查报表制度急需改革

随着市场经济体制的改革与发 展,农村抽样调查工作为经济建设的 需要提供了大量的科学依据,但也存 在着一些问题,存在的问题具体表述 如下: 专项调查指标重复。农村抽样调 查报表中有七个专项调查,即:(1)商 品需求量;(2)春耕备耕;(3)农畜产品 库存;(4)种植意向;(5)小麦实播面 积;(6)农作物实播面积;(7)农作物实 际产量。其中:有两个专项调查指标重 复,即:商品需求量调查和春耕备耕调 查;在商品需求量调查表中,调查指标 的内容一是当年打算购买农业生产资     

函数性数据的微分方程分析方法及经济应用

讨论了函数性数据与微分方程的关系以及微分方程系数函数的估计方法。利用函数性数据的微分方程分析方法对中国及中美日三国GDP增长的波动特征、中国31个省份GDP增长速度的时段差异特征,以及投资率与经济增长速度之间的关系进行了分析。结果显示,微分方程分析方法不但能够很好地刻画经济变量的动态演变规律和波动特征,而且能够对多观察对象之间的差异以及多个经济变量之间的关系进行动态刻画和展示,易于对其进行经济解释。     

正则化Beta回归及其应用

随着计算机的飞速发展,极大地便利了数据的获取和存储,很多企业积累了大量的数据,同时数据的维度也越来越高,噪声变量越来越多,因此在建模分析时面临的重要问题之一就是从高维的变量中筛选出少数的重要变量。针对因变量取值为(0,1)区间的比例数据提出了正则化Beta回归,研究了在LASSO、SCAD和MCP三种惩罚方法下的极大似然估计及其渐进性质。统计模拟表明MCP的方法会优于SCAD和LASSO,并且随着样本量的增大,SCAD的方法也将优于LASSO。最后,将该方法应用到中国上市公司股息率的影响因素研究中。     

高新技术企业R&D的绩效评价

为有效地对R&D绩效进行测度,必然要对反映R&D本身的多个指标变量进行大量观测并收集大量的有关数据.     

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.     

信息组织的隐私数据保护分析

文章从信息组织(IOs)的数据流程建立了一个数据隐私保护系统的一般结构,对该结构每个层次采用的方法以及存在的问题进行了讨论。并从IOs决策者的角度,提出了数据有效性与数据风险性决策理论模型,对该模型中的各个变量与约束条件进行了阐述。     

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。     

非线性经济预测中的神经网络模型与应用

文章讨论了神经网络用于非线性经济系统建模与预测的问题和方法.主要探讨了如下几个问题:(1)相关变量的选择;(2)运用改进遗传算法学习神经网络连接权值;(3)模型阶数确定准则;(4)观测数据的可预测性与模型的有效性检验;(5)缺损值的处理.     

大规模指标下的环境效率评价方法研究

由于DEA模型的有效性识别能力随着指标变量的增加而减弱,文章针对环境效率评价问题中常常面临的不期望输出和大规模多重相关指标变量的问题,引入了一种基于主基底变量的数据降维方法,以提高DEA模型的有效性和判别能力;通过累计信息含量的测度,对主基底变量进行了有效筛选;在此基础上,提出了基于主基底变量的效率评价模型.实例分析说明了文章所提出方法的合理性和有效性.