工业取用水监测奇异数据挖掘与重构方法

提高工业取用水监测数据质量是目前国家水资源监控能力建设的重要内容,而奇异值问题已成为影响监测数据质量的关键短板。本文在解析现阶段工业取用水监测数据奇异值主要类型基础上,以国家水资源管理系统数据库中工业取用水监测数据为样本,利用小波变换模极大值模型提取工业取用水监测数据时频变化特征,并利用傅里叶函数对其残差序列进行修正,进而运用相对误差控制方法挖掘监测数据奇异值。在此基础上,采用混沌粒子群优化的最小二乘支持向量机模型重构填补奇异值数据。研究结果表明：小波变换模极大值模型能够较好地提取工业取用水监测数据序列的时频变化特征,但是同时容易导致监测数据的信息损失,利用傅里叶函数对小波变换进行残差修正则可进一步提升取用水监测数据序列的特征提取效果;以小波变换模极大值特征序列为基础,通过相对误差控制可实现对监测数据奇异值的高效挖掘;对于挖掘出的奇异值重构填补问题,可选取混沌粒子群优化的最小二乘支持向量机模型,其重构精度要优于多项式曲线拟合等传统统计学方法和普通最小二乘支持向量机模型。上述工业取用水监测数据奇异值挖掘重构策略为现阶段国家水资源监控能力建设的推进提供了重要技术方法支持。     

环境信息不对称、机构投资者实地调研与企业环境治理

基于信息不对称理论,本文以2013-2016年深交所重污染行业上市公司为研究样本,分析了机构投资者实地调研对企业环境治理的影响及其作用机制。研究发现,机构投资者实地调研对企业环境治理具有积极的推动作用;在环境信息披露较差以及本地子公司较多的企业中,机构投资者实地调研的环境治理作用更为明显。进一步考察实地调研对企业环境治理的影响路径发现,机构投资者实地调研推动了企业环境治理的资本市场监督和媒体监督。本文的研究验证了信息不对称理论在环境治理中的作用,拓宽了实地调研经济后果的研究领域,对于深入理解并推动我国企业环境治理具有重要的现实意义。     

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式。     

要素匹配与中国投资效率空间差异性——基于双层嵌套型函数的分解研究

本文基于四要素双层嵌套的生产函数,利用1990-2016年全国层面及省际层面数据测算投资效率,并分析其空间结构特征及演变轨迹,检验投资效率匹配效应影响因素。研究发现：①1990-2016年我国整体投资效率呈下降趋势,资本-技能劳动匹配效应与整体投资效率走势趋同,快速累积的资本存量和不断升级的资本质量与短缺的技能劳动之间矛盾突出。②东中西部地区投资效率增长非一致性明显。东部地区资本相对投资效率明显高于中西部,但下降幅度大于中西部,中西部与东部地区之间差距缩小,其中匹配效应是区域间投资效率非平衡的主要成因。③若产业结构升级的技能劳动需求不能满足,将引发要素错配,不利于有效投资。房价与工资提升分别通过影响技能劳动供给和需求抑制要素匹配效率;教育和公路设施会对地区要素匹配产生积极影响,改善地区间投资效率非均衡性;地区投资效率存在显著正向空间相关性,毗邻地区的要素流动和经济发展相近地区的技术溢出均对投资效率产生积极的影响。     

适应性网络空间抽样的设计及估计研究

随着大数据背景下抽样环境复杂化,特别是3S技术（遥感技术、地理信息系统和全球定位系统）日趋成熟,越来越多社会经济问题涉及空间抽样,其样本呈现出规模相对稀少、分布不均匀、局部聚集的特征,使得传统抽样调查面临着严重挑战。本文介绍了适应性抽样技术应用于空间网络环境的基本原理、主要操作步骤和马尔可夫链蒙特卡罗估计推断,并以广州市天河区的商户抽样为例讨论实际操作中应注意的问题,以期为流动人口、环境污染、区域经济研究等方面调查提供理论支撑和实证方法参考。     

国际官方统计的新发展

联合国统计委员会会议是国际统计界的盛会,集中反映全球官方统计的最新成果和进展。本文对联合国统计委员会第50届会议最主要的若干问题,包括《2030年可持续发展议程》的数据和指标、官方统计基本原则、国家质量保证框架、官方统计使用大数据、国民账户体系、统计用途商业登记册、价格统计、住户调查、国际比较方案等领域的新发展进行了概述,从4个方面提出了国际官方统计的新发展对中国政府统计工作的启示。     

部分状态可见的隐马尔可夫模型状态序列的估计方法

本文考虑了部分状态可见的隐马尔可夫模型的状态序列估计问题,在分析了现有算法无法合理估计状态路径之后,以状态转移概率、观测概率和可见状态作为先验信息,通过贝叶斯分析计算可见状态前后向状态的后验概率,并给出初始条件和递推公式,运用动态规划递推得到每个观测值对应的最可能状态以及最可能的状态路径。最后,本文给出一个系统故障识别的应用例子,验证了所设计算法的可行性。     

产业协同集聚的资源错配效应研究

利用2003－2016年中国280个地级市的数据,分别测算了产业协同集聚指数、资本错配和劳动力错配指数,采用差分GMM方法考察产业协同集聚对资源错配的影响。结果发现：产业协同集聚的提高,会显著降低资本错配和劳动力错配指数;分地区的回归发现,东部地区产业协同集聚改善了资本错配,对劳动力错配负向作用不显著,中部地区产业协同集聚会改善资本错配,但会恶化劳动力错配,西部地区产业协同集聚则加剧了资本错配,但可以缓解劳动力错配情况。进一步作用机制分析表明,产业协同集聚水平的提高,会显著提高金融业的专业化分工,进而改善资本错配,同时会提高劳动力成本,改善劳动力错配。文章的政策含义是通过产业协同集聚,可以提高金融业的专业化分工和劳动力成本,进而缓解资本和劳动力的错配,提高经济效率,促进经济增长。     

索赔次数的开放式混合泊松分布研究

本文建立了索赔次数的多风险类别混合泊松模型。首先,考虑索赔次数的零膨胀、厚尾性和异质性等特征,建立风险类别待定的开放式混合泊松模型,开放式结构使该模型对实际数据的多样特征和风险类别具有良好的自适应性;其次,定义混合权重参数的iSCAD惩罚函数,实现对权重参数的筛选;最后,借助EM算法求得模型参数,实现对各风险类别下索赔次数的估计。借助iSCAD惩罚函数,给出最优混合数,避免传统混合模型中主观选择的弊端,克服传统混合模型中结构复杂、参数估计没有显式表达式、估计结果不便于解释等问题。基于三组风险特征多样数据的实证分析,本文发现该模型可以显著改进现有模型的拟合效果。     

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。