Instrumental variable based variable selection for generalized linear models with endogenous covariates

We study the variable selection problem for a class of generalized linear models with endogenous covariates. Based on the instrumental variable adjustment technology and the smooth-threshold estimating equation (SEE) method, we propose an instrumental variable based variable selection procedure. The proposed variable selection method can attenuate the effect of endogeneity in covariates, and is easy for application in practice. Some theoretical results are also derived such as the consistency of the proposed variable selection procedure and the convergence rate of the resulting estimator. Further, some simulation studies and a real data analysis are conducted to evaluate the performance of the proposed method, and simulation results show that the proposed method is workable.     

Fast and approximate exhaustive variable selection for generalised linear models with APES

We present APproximated Exhaustive Search (APES), which enables fast and approximated exhaustive variable selection in Generalised Linear Models (GLMs). While exhaustive variable selection remains as the gold standard in many model selection contexts, traditional exhaustive variable selection suffers from computational feasibility issues. More precisely, there is often a high cost associated with computing maximum likelihood estimates (MLE) for all subsets of GLMs. Efficient algorithms for exhaustive searches exist for linear models, most notably the leaps‐and‐bound algorithm and, more recently, the mixed integer optimisation (MIO) algorithm. The APES method learns from observational weights in a generalised linear regression super‐model and reformulates the GLM problem as a linear regression problem. In this way, APES can approximate a true exhaustive search in the original GLM space. Where exhaustive variable selection is not computationally feasible, we propose a best‐subset search, which also closely approximates a true exhaustive search. APES is made available in both as a standalone R package as well as part of the already existing mplot package.     

基于个性化需求的产品竞争供应链结构选择

基于"制销分离"与"定制一体"两种结构选择,构建个性化产品供应链处于非竞争与竞争环境下的博弈模型,在引入一个实际案例的基础上,运用算例仿真比较分析两种运营模式下的供应链运作策略和盈利差异。结果显示：与制销分离结构相比,个性化产品供应链选择定制一体结构,有利于匹配产品个性化制造、提升产品个性化水平和市场需求、增加供应链的期望收益;个性化产品供应链选择制销分离结构时,适度的批发价格激励能够提升产品个性化水平、更好满足消费者个性化需求、改善供应链的运营绩效,分销商适度让利加大批发价格激励力度可显著促进产品个性化制造互动、提升产品个性化水平;竞争将消减个性化产品供应链的运营绩效,但选择定制一体结构可显著提升竞争力。     

不对称信息下风险投资家与风险企业家之间的委托代理问题研究

风险投资体系以多重激励和不对称信息为特征,风险投资的三方利益主体之间存在着双重委托-代理关系,有效控制代理风险是风险投资高效运作的基本前提。本文基于信息经济学原理,分析了风险投资家与风险企业家之间代理风险的成因,并从委托人的角度讨论了风险治理的原则和投资契约的构造。     

地方党政主要领导职位空缺的现状、成因及对策

地方党政主要领导职位空缺是指在领导干部选任和调配过程中,由于诸多常规或非常规原因导致某一地区的党委或政府部门主要领导职位在较长时间内空缺,进而直接或间接影响地方党政工作的特殊现状,广泛存在于各级、各地党政部门。由于我国有关干部职位空缺的制度建设和管理规范尚不完善,地方党政主要领导职位空缺产生一些消极影响,主要表现为不利于地方党政机关运行,存在腐败风险,触发舆论风险等。在充分认识空缺危害性的基础上,深入分析造成职位空缺的干部调配因素、选任导向变革因素以及其他非常规因素等,从完善遴选机制、衔接制度、保障机制、舆论生态治理、干部教育等五个方面切实解决地方党政主要领导职位空缺带来的一系列问题。     

中国古代词选的承传

中国古代词选的承传,主要体现在三条线索中:一是分调选编的承传;二是分类选编的承传;三是分人选编的承传。古代词选的承传,为词作选本发挥欣赏、批评与文献传播的多方面价值产生了积极的作用。     

黑龙江省大宗农产品市场化问题思考

大宗农产品市场化是制约黑龙江省农业发展的关键性问题,也是提升黑龙江省农业竞争力的核心问题。推进黑龙江省大宗农产品市场化,应以增加农民收入为目标,以组织体系建设为支撑,充分发挥农业的比较优势,利用现代经营方式和经营理念,培育出有区域特色、有市场竞争力的优质产品。     

多阶段均值—半方差模糊投资组合决策研究

考虑交易成本、借款限制、阀值约束和基数约束,提出多阶段均值—半方差模糊投资组合模型。在该模型中,收益水平被定义为可能的平均回报,风险水平被定义为回报的半方差。由于交易成本和基数约束,多阶段投资组合模型为具有路径依赖性的混合整数动态优化问题。文章提出了前向动态规划方法求解。最后,以一个具体的算例比较了不同的基数约束投资组合的最优投资策略。     

社区矫正对象之选择初探

通过对中外社区矫正制度的对比,指出解决问题的基础在于确定社区矫正之对象选择方法;通过对社区矫正与其他刑罚方式的比较,指出确定社区矫正对象需要在犯罪人格视角下进行;通过对犯罪人格的剖析,最终提出了社区矫正对象选择的路径,即以犯罪人格的区分来选取社区矫正的对象。矫正当局应当通过一系列法律制度、人员配置、经费划拨、机构设立,来保障社区矫正对象的正确选取,以实现社区矫正的目标和任务,体现人本主义关怀,使得犯罪人能够得到适宜其改造的矫治方法。     

均值绝对偏差资产组合选择模型的算法

对均值绝对偏差模型进行了简化,并利用一种旋转算法求解。这种算法比单纯形算法的计算简便,且计算量更小。利用上海和深圳股市1 072支股票70期周末收盘价所作的实验结果表明,对于资产无上界限制的模型,计算20个不同最优投资组合需要1 274次旋转运算,上界为10%时需要1 570次旋转运算,每 次旋转运算约需1 14171次加法和乘法运算。