面板数据的贝叶斯Elastic Net分位数回归方法及其应用研究

本文首次将Elastic Net这种用于高度相关变量的惩罚方法用于面板数据的贝叶斯分位数回归,并基于非对称Laplace先验分布推导所有参数的后验分布,进而构建Gibbs抽样。为了验证模型的有效性,本文将面板数据的贝叶斯Elastic Net分位数回归方法(BQR. EN)与面板数据的贝叶斯分位数回归方法(BQR)、面板数据的贝叶斯Lasso分位数回归方法(BLQR)、面板数据的贝叶斯自适应Lasso分位数回归方法(BALQR)进行了多种情形下的全方位比较,结果表明BQR. EN方法适用于具有高度相关性、数据维度很高和尖峰厚尾分布特征的数据。进一步地,本文就BQR. EN方法在不同扰动项假设、不同样本量的情形展开模拟比较,验证了新方法的稳健性和小样本特性。最后,本文选取互联网金融类上市公司经济增加值(EVA)作为实证研究对象,检验新方法在实际问题中的参数估计与变量选择能力,实证结果符合预期。     

大数据时代国土资源档案创新管理

大数据的普及覆盖,使现代社会经济发展出现了较大的转变,社会各领域发展都需要利用大数据开展活动,促使社会发展速度加快。国土资源档案管理工作在大数据时代发展,同样需要强化创新性,充分利用大数据技术对国土资源档案管理进行改善优化,促进国土资源档案管理向着科技化和先进化的方向发展。基于此,本文对大数据时代国土资源档案的创新管理进行分析。     

"互联网+"时代背景下会计档案安全保密体系的构建

随着互联网信息和大数据科技的迅猛发展,人们足不出户就能实现购物、办公、教学、医疗、浏览等等,这些已深刻改变了我们的生活方式.便捷、低成本、个性化、平台化、数据化、信息化的便利服务,最终离不开资金往来结算的财务活动;由此同步产生了电子凭证电子发票等新型财会档案.在"互联网+"时代,如何构建会计档案的安全保密体系,才能确保会计档案准确、高效、更好地服务于社会,是新时期档案管理人员面临的现实问题.     

拉格朗日插值模型与统计数据检验及应用

文章介绍了拉格朗日插值方法,针对基层统计人员采集的数据进行随机分组,并借助各组数据的中位数构造权重系数;利用拉格朗日插值建立起对应的拉格朗日插值函数,并结合权重构造总体的加权平均拉格朗日插值模型;最后基于文中建立的模型,结合具体的数据,给出判别数据质量和补充缺失数据的例子.     

大数据时代之统计数据挖掘实证

作为一项重要的资源和资本,数据将为企业带来巨大的商业价值和潜在效益.文章基于统计学的视角,对大数据时代数据挖掘在交叉销售中的应用进行较为深入但通俗易懂的探讨,并结合实例,运用统计数据挖掘技术建立某地区电信增值业务交叉销售模型,得出了6条有用的规则集,这些规则集都有较好的支持度和置信度,根据这些规则集,企业可以预期哪些人将成为企业的目标客户,向谁实行交叉销售会收到良好的效果,这些信息对企业的生产经营和销售都具有重要意义.     

超高维数据降维与Logistic广义线性拟合分析

文章以美国威斯康星州的乳腺癌调查数据为例,分别采用SIS和TCS算法对高维数据进行降维处理,尝试将改进的Logistic广义线性模型对降维后的变量进行拟合.再与传统的一般线性模型、Logistic广义线性模型相比,结果表明,基于算法降维后的Logistic广义线性模型预测误差更小,其中基于TCS算法降维后的广义线性模型在拟合中要明显优于SIS算法降维后的广义线性模型.     

基于实证的社会生态评价指标的变量选择

文章提出了评价社会生态的指标体系.通过对武汉临空港经济技术开发区的实证调查研究,以乐业指数为例,运用套索(LASSO)方法对数据作重要变量的选择来降维和简化模型,再用传统Logistic回归建模和做参数估计,分析了影响群众满意度的一些重要影响因素及其效应.     

煤炭大数据指数编制及经验模态分解模型研究

基于开放性数据源、连续观测昨多变量数据编制的大数据指数,与传统的统计调查指数存在的差异不仅在于数据本身的无限扩张,而且在于编制方法以及分解研究的规则、模型方面的差异。在大数据背景下,率先尝试性地提出大数据指数的定义和数据假设,将"互联网大数据指数"引入煤炭交易价格指数综合编制太原煤炭交易大数据指数,从而反映煤炭价格的变动趋势;导入经验模态分解模型,对所编制的煤炭大数据指数进行分解研究,尝试比较与传统的统计调查指数的差异。研究表明:新编制的煤炭价格大数据指数要比太原煤炭交易价格指数更为敏感和迅速,能更好地反映煤炭价格的变动趋势。随着"互联网+"和大数据战略的逐渐普及,基于互联网大数据编制的综合指数会影响到更多领域,将成为经济管理和社会发展各个领域的晴雨表和指示器;与传统统计调查指数逐步融合、互补或者升级,成为宏观经济大数据指数的重要组成部分。     

“教赛创”模式下高职大数据技术专业改革探索

大数据技术专业作为新兴的一代信息技术专业,具备典型的交叉学科特征,其核心目标是培养高素质技术型人才,以学生高质量就业为导向,以学生综合素质提高为主线,并以岗位项目训练为驱动。为实现这一目标,需要通过专业改革探索,以“教赛创”模式为引导,深化实践课程开发,重构课程体系建设;通过将竞赛日常化、竞赛目的明确化,促进学生创新思维的培养,提高学生的就业创业能力。     

基于模糊决策树的企业人力资源推荐方法研究

在人力资源推荐过程中,由于对人才数据信息分析精度较低,导致推荐结果中未达成合作关系的情况较为明显,为此,提出基于模糊决策树的企业人力资源推荐方法研究。结合人才数据覆盖要求和信息粒特异性要求之间的矛盾关系,将二者的乘积作为目标函数,在实现乘积最大值条件下设置了模糊决策树的信息粒,并构建了二型模糊决策树,设置了包含“0”和“1”两种输出结果的分支结构后,通过拟合企业人才需求信息与二型模糊决策树中各个节点之间的关系,确定需求数据的传输方向,并将输出结果综合取值最大的人才作为最终的推荐目标。在应用测试结果中,设计推荐方法下未达成合作关系的占比低于20.0%,其中以企业和人才为主导的占比分别为12.39%和5.82%,明显优于对比方法。