城市化与碳排放的动态关系研究——基于面板平滑转换模型的新思考

本文运用99个国家2005—2012年的面板数据,以新近发展的面板平滑转换模型(PSTR)为分析工具,考察了城市化和碳排放之间的机制转移效应。面板平滑转换模型假设,城市化—二氧化碳排放量之间的关系存在一个连续平滑转换的机制,城市化将以阈值为界,从一个机制转换到另一个机制,且新旧机制之间不同。实证结果支持了城市化—二氧化碳排放量之间存在着机制转换效应,在不同的转换变量水平下,二氧化碳排放量与城市化水平之间有不同的曲线关系。本文的创新之处在于,将存在连续平滑转换机制的PSTR模型纳入回归分析方程,有效地避免了经济变量在瞬间实现不同状态的转换,使变量在转换过程中存在一个过渡状态,更加符合现实情况,使用该模型我们验证了Hansen假说,为城市化水平与碳排放之间的非线性关系研究提供新的经验证据。     

基于贝叶斯多变量厚尾随机波动模型的期货与现货联动效应研究

针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题,构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析,选择参数先验分布,设计基于Gibbs抽样的MCMC算法,据此估计模型参数,解决多变量随机波动模型参数较多难以估计的问题;并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明：贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动溢出效应。     

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。     

我国能源效率与经济增长关系研究——基于PSTR模型的实证

实证结果表明,能源效率与经济增长之间存在机制转换效应,在经济发展处于低收入水平时,能源效率与经济增长表现为线性关系;在经济发展处于中等或较高收入水平时,能源效率与经济增长之间则表现为非线性关系,并以人均GDP的阈值为界,在不同机制之间进行平滑转换。     

土壤溶质运移问题的最小二乘混合有限元法

给出了非粘性土壤溶质运移问题的最小二乘混合有限元法,利用该方法将方程降阶对方程进行离散,并构造最小二乘混合有限元格式.最小二乘混合有限元方法可以避免标准混合有限元格式中的ladyzhenskaya-babuska-brezzi（LBB）限制条件.通过分析此逼近格式的收敛性,给出相应的误差估计,误差表明此种数值方法具有最优的收敛阶.     

采用概率混合模型的圆周曲线识别方法

曲线识别是图像识别和机器视觉的一个重要研究课题。建立圆周曲线的概率混合模型,并分别利用EM算法和贝叶斯阴阳和谐学习(BYY)算法,在曲线条数已知和未知的情况下实现模型选择和参数估计,从而完成对圆周曲线的识别以及数据点的聚类。试验结果表明:用这两种算法处理平面曲线的混合模型可以准确地估计出曲线条数并同时完成参数估计,较好地完成曲线识别。     

MIDAS模型与EQW模型预测精度的比较——以资产价格的经济增长效应为例

深入剖析混频数据模型（MIDAS）的内部结构,推导出MIDAS模型与传统同频率EQW模型的区别与联系,并且证明EQW模型参数估计的偏误,在此基础上,进一步结合多种不同形式的权重函数,推导出MIDAS类模型非线性最小二乘估计方法的具体机理及理论演绎过程,并且以资产价格对中国经济增长效应的样本内预测为例,对MIDAS模型的精度进行了实证检验。实证结果表明:多元EQW模型的拟合效果及样本内预测精度均低于最优滞后阶数下ExpAlmon-AR-M-MIDAS模型,ExpAlmon-AR-M-MIDAS模型能够提取更多高频解释变量的有效信息。     

中国家庭债务与房价之间的自增强效应——基于全面FGLS回归和分位数回归的实证分析

利用2008—2015年间22个样本城市的数据,构造房价收入比指标,构建面板固定效应模型,并采用全面可行广义最小二乘法（FGLS）和分位数回归的方法,考察了家庭债务与房价之间自增强效应及其作用渠道。研究发现：样本城市的家庭债务与房价之间存在较明显的自增强效应。房价上涨通过抵押效应和财富效应渠道带来家庭债务规模的扩大,且财富效应渠道的解释力度更大;家庭债务规模的扩大通过资产负债表效应和预期效应渠道推动了房价进一步上涨,且资产负债表效应渠道的解释力度更大。因此,政府应实施因城而异的差别化调控政策,保障房地产市场和信用市场的平稳发展。     

中国民族区域自治州经济增长与动态收敛研究

通过2000~2011年30个少数民族自治州面板数据,考察西部大开发以来中国少数民族地区的经济增长与动态收敛问题。根据少数民族自治州数据的特点,分别进行单向误差构成面板模型与双向误差构成模型估计,并经过检验后采用双向固定效应模型。双向固定效应模型的估计结果显示,少数民族自治州在2000年以来经济趋于收敛,物质资本投入效应显著,但人力资本投入却并未显示显著效应。最后,通过面板随机系数模型进行估计,得到大体相同的结论。     

混合双参数指数分布的参数估计

混合指数分布是寿命数据分析中一个非常重要的分布。但是利用矩估计、极大似然估计等估计模型的参数往往比较困难。本文应用EM算法详细研究了混合双指数分布在正常工作条件下,在完全数据场合的参数估计问题。模拟说明利用EM算法来估计混合双指数分布是一种非常有效的方法,随着样本的增加,估计值离真值越来越近,估计值的方差越来越小。     

小样本条件下操作风险度量中的参数估计研究

针对操作风险损失数据匮乏的特点,引入贝叶斯推断理论来保证小样本条件下模型参数估计的质量,将专家经验以先验分布的形式引入,从贝叶斯推断的视角构建了融入专家经验的操作风险损失频率模型、损失强度模型和风险度量模型。其中,损失频率建模中假设损失频率服从Poisson-Gamma分布,损失强度建模中应用极值理论对损失分布的“厚尾”特性进行描述,利用广义帕累托分布(GPD)对损失强度分布进行拟合,并打破GPD的位置参数和形状参数常数化的限制,视其为随机变量并假定两者服从不同的Gamma分布。实证结果证明: 与传统的MLE方法相比,在小样本的情况下,基于贝叶斯推断的MCMC方法对参数的估计更有效和稳定,较好地解决了在操作风险度量中由于损失数据不足给损失分布拟合带来的难题。     

KUK随机化调查模型下的贝叶斯估计

本文针对属性特征的KUK模型建立了贝叶斯估计理论,求出了在先验分布是混合贝塔先验分布、抽样方法是简单随机抽样情况下总体敏感特征比例的贝叶斯估计,并且使用后验均方误差作为精度标准,对贝叶斯估计与极大似然估计进行比较。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

Applying Relational Models to the Graduation of Disability Schedules

Age-specific rates of particular disability types are important for planning purposes and are a valuable input to estimates and projections of populations with different disabilities. However, survey estimates of schedules of disability rates display evidence of sampling variability and sub-national disability schedules are often unavailable for reasons of disclosure protection. This paper develops and evaluates a method to smooth sampling variability in national schedules of disability using a technique that has applicability to sub-national estimation of age-specific disability rates. Relational models are used to adjust the limiting long-term illness schedule for England (Census 2001) to represent different disability schedules (Health Survey for England 2000/2001) smoothing sampling fluctuations. For hearing disability a simple Brass relational model involving two parameters provides a good fit. For other disability types a modified version of the Ewbank relational model with three parameters is required. This paper illustrates that relational models can accurately capture the relationship between age-specific rates of limiting long-term illness and various disability types.     

半参数威布尔模型的Bayes参数估计

摘要：首先提出了半参数幂威布尔模型,使用P一样条函数构造出该模型的惩罚似然函数,根据对模型中参数的了解给出其先验信息,进而得到半参数幂威布尔回归模型中参数的联合后验分布和每个参数的边际密度函数,利用MCMC中流行的Gibbs抽样方法和Metropolis—Hastings算法从边际密度抽取样本,得到半参数幂威布尔模型中参数估计的随机样本序列,从而基于此进行一系列的参数估计、统计推断等。最后,利用随机模拟的方法,产生不同个数的样本量,发现随着样本的增加,参数估计越准确,越接近于真实参数值,说明利用Bayes方法估计半参数威布尔模型是有效的。     

基于LDA模型的中文微博热点话题发现

针对微博文本数量增加速度快、信息量繁杂等问题,将LDA模型应用到热点话题的挖掘中,构建出微博热点话题的识别过程。首先应用LDA模型对微博语料库进行主题建模,采用困惑度方法确定最佳主题个数．通过Gibbs抽样算法实现参数推理,获得语料库的主题一词汇概率分布和文本一主题概率分布,在此基础上计算并识别出微博中的热点话题、热点词汇和热点话题微博。实验结果显示该模型与人工挑选的结果基本一致．表明该模型具有较好的热点识别效果。     

基于贝叶斯网络的工程项目风险管理

为了保证工程项目顺利进行，达到降低项目风险的目的，引入贝叶斯网络方法，以实现工程项目风险的有效管理。贝叶斯网络是一种对概率关系的有向图解描述，是一种可视化的方法，可对风险管理中历史数据缺乏的问题提供有效补充。通过情景分析和因果分析得出影响风险的关键因素排序，从而有效地进行风险控制，是直观、有效的风险管理工具。通过贝叶斯网络方法在工程项目风险管理过程中的应用研究，实现了更准确，更敏捷的风险管理。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

基于GMDH-Bayesian-SEM的非常规油气开发技术效应研究——以致密气生产数据为例

地质因素与技术因素是影响非常规油气开发产能水平的主要类因素群,技术作用被认为是制约非常规油气开发质量的主导因素。以S地区致密气生产数据为研究样本,构建产能水平影响因素的结构方程模型（Structural Equation Model）,通过数据分组处理（GMDH）方法提取关键指标构建结构方程模型,并依据贝叶斯估计（Bayesian Estimation）探究地质参数与技术参数对非常规油气产能评价指标的影响效应,从定量角度对比分析技术作用的实际影响效果及其影响程度。研究表明:不同技术规模下,观测指标对地质作用与技术作用的影响效应不同;地质因素是影响产能水平的主导因素,明显超出技术因素的影响程度,从而对工程施工中强调技术因素的管理方式提出挑战。因此,加强非常规油气开发领域的地质研究是提升技术本土适应性水平的关键。