固定效应部分线性变系数面板模型的快速有效估计

本文将最小二乘支持向量机(LSSVM) 和二次推断函数法(QIF) 相结合，为个体内具有相关结构的固定效应部分线性变系数面板模型提供了一种新的快速估计方法；在一定的正则条件下，论证了参数估计量的渐近正态性和非参数估计量的收敛速度；采用Monte Carlo模拟考察了估计方法在有限样本下的表现并将估计技术应用于现实数据分析。该方法不仅保证了估计的有效性和统计推断力，而且程序运行速度得到较大幅度提升。     

基于统计检验的企业生命周期判定方法比较

文章选取32家中国上市汽车企业作为研究对象,分别用综合指标法和主成分分析法对企业所处生命周期进行判定,再利用Wilcoxon符号秩检验和kappa—致性检验对两种判定结果进行检验对比,从而得出结论:综合指标法和主成分分析法均科学有效,但在具体应用时各有所长.Wilcoxon符号秩检验和kappa—致性检验叠加运用效果较好,且检验结果具有一致性.     

基于主成分分析的山东省物流业低碳发展水平综合评价——兼与全国其他省份对比

低碳背景下,低碳发展是物流业平稳健康发展的必经之路。基于前人的研究,采用主成分分析法,创建了物流业低碳发展水平的综合评价模型,在模型中,三个主成分按权重由大到小分别是物流业能源结构与产业效率、物流业能源效率和森林碳汇能力。根据该综合评价模型,得出山东省物流业低碳发展水平相较于其它省区处于中等偏上水平,还有待进一步提高,建议山东省政府通过采取如下措施提高物流业低碳发展水平:借助低碳科技建立低碳能源系统,改善物流业能源结构,提高能源效率;提高碳汇能力,间接提高山东省物流业低碳水平。     

浅析清末回耶“正信”之辩的实质及反思

伊斯兰教和基督教传入中国的时期相近,但是在中国近代之前两教的发展呈现出迥然的两极趋势。面对基督教迅猛的传教势头,清末回族大学者马德新和马联元分别于1865年和1899年出版《据理质证》和《辩理明证语录》,作出"正信"之辩。他们从中国传统文化思想和伊斯兰教认主学出发,对基督教的核心教义一一反驳,从而明确伊斯兰教信仰的正信。本文认为,回耶"正信"之辩在神学上反映出强调救赎的基督教和强调顺服的伊斯兰教,这是两教确认自身身份的根本所在,也是两教开展对话的起点;两教在信仰实践方面体现出和中国传统文化相异或相近的政治构建和伦理道德,借此可窥见文明间对话背后的个性和共性。     

天津市城镇建设宜居性与经济发展协调度研究

本文运用主成分分析法和物理耦合度相关理论,分别求出了2000—2013天津市城镇宜居水平与经济发展水平综合评价指数和两者之间的协调度,结果显示天津市城镇建设宜居性与经济发展基本处于协调状态,近几年呈现上升的趋势。说明天津市在城镇化建设中没有忽视宜居建设与经济发展之间的协调关系,良好的协调关系将进一步推进城镇建设的持续发展。     

基于主成分分析法的多专业一体化诊疗平台效益综合评价研究

收集某三甲中医院2014—2019年中风多专业一体化诊疗平台医疗服务效率及费用控制方面的8项关键指标数据，采用主成分分析法对其效益进行综合评价。综合评价结果由高到低依次是2019年、2018年、2017年、2015年、2016年、2014年，与实际情况基本相符。结合多专业一体化诊疗平台实际情况，提出相应发展建议，通过提高资源利用率和服务效率、坚持公益性、控制费用不合理增长、加强人才队伍建设等途径促进诊疗平台的长效发展。主成分分析法消除了原始指标之间的信息重叠，为多专业一体化诊疗平台提供了较为客观可行的综合评价方法。     

全域旅游视角下的天府旅游名县竞争力研究——以四川省县域城市为例

天府旅游名县创建是按照全域旅游发展理念开展的，以建设世界重要旅游目的地为目标的建设工程。文章在系统整理旅游目的地竞争力主要研究成果基础上，建立15个天府旅游名县竞争力评价指标，基于可量化数据，采用主成分和聚类分析方法，对进入天府旅游名县的40个县(市、区）进行实证研究。结果显示，旅游核心竞争力、旅游发展规模、旅游综合实力、非优势资源品牌创建能力等因素是构成天府旅游名县评判的主要因子；从空间结构上看，呈现成都平原最强，川西、川北居中，川南最弱的局面；从创建动力上看，不应仅关注创建结果，而应通过创建工作，促进县域经济综合发展水平和城市发展潜力提升。     

基于fused惩罚的稀疏主成分分析

本文旨在研究基于fused惩罚的稀疏主成分分析方法，以适用于相邻变量之间高度相关甚至完全相等的数据情形。首先，从回归分析角度出发，提出一种求解稀疏主成分的简便思路，给出一种广义的稀疏主成分模型—— GSPCA模型及其求解算法，并证明在惩罚函数取1-范数时，该模型与现有的稀疏主成分模型——SPC模型的求解结果一致。其次，本文提出将fused惩罚与主成分分析相结合，得到一种fused稀疏主成分分析方法，并从惩罚性矩阵分解和回归分析两个角度，给出两种模型形式。在理论上证明了两种模型的求解结果是一致的，故将其统称为FSPCA模型。模拟实验显示，FSPCA模型在处理相邻变量之间高度相关甚至完全相等的数据集上的表现良好。最后，将FSPCA模型应用于手写数字识别，发现与SPC模型相比，FSPCA模型所提取的主成分具备更好的解释性，这使得该模型更具实用价值。