武汉地区房地产价格的季节性变动

本文通过对武汉地区房地产价格的季节性因素动态变化性分析,发现并度量了经济政策和季节性因素对房地产价格的影响,建立了相关的评价模型,并用模型检验价格走势的季节性因素动态变化性以及政策因素对房地产价格的影响力度,在此基础上我们运用最新的X12季节性调整方法对武汉地区房地产价格的季节性因素进行分析,并建立了X12季节性调整组合模型.     

举证责任分配理论之重构

从法律解释学的角度重新分析举证责任分配的本质。分析了举证责任分配的理论依据,阐释举证责任分配的理由;运用法律行为的相关理论证明举证责任分配的实体法解释的本质;从法律解释学的角度重新构造了举证责任分配。     

我国货币、价格、真实部门之间的信息传导研究

本文旨在通过5个宏观经济变量实证研究1999年1月￣2005年6月间中国货币、价格和真实部门间的信息传导。协整VAR分析及其相关的假设检验表明样本期内中国的5个宏观经济变量之间存在长期均衡关系。在此基础上,本文采用定向非循环图解法原理(DAGP)技术和多元动态因果检验揭示了中国5个宏观经济变量之间的因果联接,从而得出了一些有关中国宏观经济变量之间动态因果关系的新结论。     

语言多属性决策的目标规划模型

研究了只有部分属性权重信息、属性值以语言变量或不确定语言变量形式给出且决策者对方案有偏好信息的语言多属性决策问题.给出了语言变量和不确定语言变量的运算法则,以及不确定语言变量之间比较的可能度公式,定义了语言变量的偏离度概念.在属性值以1)语言变量和2)不确定语言变量,这两种形式给出的情形下,分别建立了一个基于偏离度的目标规划模型,并通过求解这两种模型分别获得相应的属性权重.然后对于情形1),利用语言加权平均(LWA)算子,对语言决策信息进行加权集成,继而对方案进行排序和择优;对于情形2),利用不确定语言加权平均(ULWA)算子,对不确定语言决策信息进行加权集成,并利用可能度公式构造可能度矩阵(互补判断矩阵),继而利用互补判断矩阵排序公式对决策方案进行排序和择优.最后进行了实例分析.     

戴维森的后期意义理论及其对话辩证法思想

较之其早期的成真条件意义理论,戴维森在20世纪90年代构建的后期意义理论尚未受到应有的关注。戴维森的后期意义理论不是对其早期意义理论所做的无关宏旨的修补,而是体现了完全不同的理论旨趣和形态。对戴维森的后期意义理论进行分析探讨有助于我们更为全面地理解戴维森的哲学思想,在某种意义上对于我们更好地把握当代西方哲学的动态发展也不无裨益。戴维森通过引入解释者这一要素将解释活动置于解释者、说话者以及共同世界三者的互动关系之中。戴维森所构建的人—他人—世界三元互动的三角测量解释模式,旨在表明语言理解依赖主体间的语言交流互动,意义不是预先设定的,它是交流互动的产物,是解释行动的结果。戴维森的后期意义理论拒斥语言交流和意义的约定论,强调语言理解的主体间性,彰显对话性和动态生成性,蕴含了对话辩证法的思想。     

农民工养老保险参与决策：一个OLG模型的考察

通过构建一个农民工追求跨期效用最大化的OLG模型,理论分析了均衡条件下农民工收入及风险偏好因素对其养老保险参与决策的影响;基于全国31个省市的调查数据,利用双变量Probit模型实证分析了个人与家庭特征、收入与土地、务工状况与预期等因素对农民工养老保险参与决策的影响。结果表明：务工与务农收入对农民工参与养老保险决策的影响并不显著,而恩格尔系数和非收入性因素却大多显著地影响了农民工的参保决策。为此,一方面,要提高农民工的收入水平、生活宽裕程度和支付能力,使之更有意愿和能力参与养老保险;另一方面,要增强农民工对未来生活确定性的预期和安全感,使之参与养老保险的水平得以提高。     

基于双变量GARCH-M模型的公司并购短期股价效应研究

短期股价效应是公司并购研究中的重点和热门问题。文章以我国2008年发生的公司并购事件为样本,通过构建一个双变量GARCH-M模型,在β系数随时间变化的框架下研究了公司并购的短期股价效应。结果表明,并购公司在一定的事件窗口期内获得了显著为负的累积异常收益率。     

依可信度的模糊线性模式识别控制模型及应用

文章为了研究复杂信息系统模式识别控制模型,以可信性理论为依据,利用可信性测度和多目标非线性规划方法,建立了一种依可信度模糊线性模型,又根据模糊模式识别的原则,建立模糊线性模式识别控制模型.该模型具有实际的变量控制应用效果,为复杂信息系统模式识别及变量控制提供理论支持.     

别以为你看到的就是整个世界

那天,去一个朋友家里玩,朋友在厨房忙碌,我和她6岁的儿子在客厅看电视,电视里正演一部专题片:英国一个有志青年骑着自行车历时两年,到过美、法、德、意、荷、中、韩、日……他在纽约、伦敦、     

一种新的高维数据降维方法

一、前言现实世界中存在着大量的复杂事物及现象,人们希望揭示隐藏在这些纷繁芜杂的表象下的事物和现象的客观规律。随着信息技术的发展,我们面对的数据越来越复杂,往往具有如下特点:(1)样本点数量巨大;(2)数据收集的频率越来越高;(3)数据内部存在结构化的特征;(4)指标变量众多。例如天气状况,用来描述气象特征的指标非常多,像温度,湿度,气压,风力,降雨量等等,对于每时每刻的天气状况,可以用多变量组成的向量数据细致的表示。大量出现的高维数据不仅提供了极其丰富、详细的信息,而且对数据分析中的变量选择、多元建模带来了挑战:怎