基于多元统计的城市设施综合评价研究

本文运用主成分分析和聚类分析两种综合评价相结合的方法,对我国31个省市2004年城市设施发展水平进行综合评价。首先,运用主成分分析法对各地区城市设施的水平进行排序,即综合排名;然后,运用聚类分析法对各地区进行划分、归类,反映出各地区在设施建设的各个方面在我国所处的大致水平以及存在的优势和不足。这对把握我国各地区城市的设施水平具有一定的参考价值,并可为各地区制定相应的城市设施建设发展战略提供科学的依据。     

相邻/相似视角下的移就话语生成机制研究

认知语言学为话语理解与生成研究提供了新的理论框架,认为心理模型的运用是人类进行语用推理的基本形式,在自然语言的意义建构和理解过程中起着至关重要的作用。本文在认知语言学的"自主-依存分析框架"内,以相邻/相似关系为中介分析语言运用中的移就话语现象,阐释移就话语生成的机制,并认为移就话语生成是人们对客观事物的常规关系(相邻/相似关系)的认知加工、心理建模的结果。     

城市能源动力与环境保护设施系统协调度研究

城市能源动力设施系统为社会提供热能、电能等发展动力,城市环境保护设施系统清除社会发展废弃物,提供清洁的环境,两大系统紧密联系,相互制约。文章从投资规模、服务水平、质量效率三个方面构建城市能源动力与环境保护设施系统的综合评价指标体系,利用主成分分析法确定指标权重,并构建系统协调度评价模型。通过核算2001～2011年我国城市能源动力与环境保护设施系统数据可知,能源动力与环境保护设施的协调状态不稳定,波动较明显;提高能源生产增长速度、电力生产增长速度会大大改善能源动力设施系统的服务能力。     

粮食综合生产能力影响因素的系统分析及其政策建议

以系统科学视角从理论和实证角度将粮食综合生产能力分解为四个因子。通过主成分回归发现,水资源禀赋等自然生产力因子是影响粮食综合生产能力的基本因素;机械化率等技术生产力因子和耕作制度等管理生产力因子是主要促进因素;政策生产力因子影响不太显著,却是保障粮食综合生产能力的稳定因素。在目前生产条件下,稳定农业生产资料价格,改善农业基础条件,提高技术投入,选择良性生产模式,改革耕作制度,发展多熟制的间作套种,是今后提高粮食综合生产能力的主要方向。     

对城市公用事业市场化改革道路的探讨

当前我国公用事业改革和发展,落后于我国整体的改革和发展步伐。我国城市公用事业现行体制存在的问题主要表现为政企合一、权责不清,生产经营的低效率,成本高、经营效益差,投资主体单一等。同时公用事业自身具备通过市场化来运营的特征和有利条件,因此可以采用特许经营、资本市场融资、BOT项目融资等方式作为其市场化改革的途径。在改革的过程中,必须正确理解公用事业的市场化改革,统筹兼顾,全面推进,逐步深化,坚持普遍服务的原则,特别要注意保护弱势群体的权益。因此城市公用事业改革不能完全按照市场经济的规律运作。     

同城化进程中县域土地利用变化及其驱动力分析研究——以湖南省醴陵市为例

在同城化背景下,基于RS与GIS,以2003-2009年遥感影像、土地利用变更数据和社会经济统计资料为依据,开展了醴陵市土地利用变化及其驱动力分析研究。首先对醴陵市遥感影像进行解译,然后从空间分异、变化幅度和变化速度方面对醴陵市的土地利用变化状况进行分析,最后采用主成分分析法和回归分析法建立不同用地类型的多元线性回归模型。研究结果表明,经济技术发展因子和农业技术发展因子是影响醴陵市土地利用变化的主要因素,对土地利用变化的影响十分显著。     

基于主成分分析的上市物流公司财务绩效

指标权重的确定是上市物流公司财务绩效评价的关键问题,在阐述主成分分析的基本原理及实际操作步骤的基础上,以19家上市物流公司作为研究的样本,构建上市物流公司财务绩效的评价指标体系,选取12个财务指标,利用主成分分析法提取4个主成分,并计算出4个主成分的综合值。据此对19家物流上市公司财务绩效进行综合排序。结果表明,物流上市公司综合财务绩效不是很理想,偿债能力、盈利能力、发展能力、营运能力仍需提升。在此基础上提出了上市物流公司财务绩效提升的对策建议。     

河北省普通高等教育发展的动态评价

在综合评价的方法中,主成分分析能浓缩信息,使指标降维,简化指标的结构,使分析问题简单、直观、有效,许多动态评价问题,都可采用主成分分析来进行评价。针对区域普通高等教育发展的特点,建立综合评价指标体系,利用主成分分析评价了2000年以来河北省普通高等教育发展的情况,分析了影响因子情况,可以为河北省普通高等教育发展政策提供依据。     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型,简称FEPA,由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集,应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF）,然后通过主成分分析将分解后的数据降维,提取最有信息量的特征;然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想,有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达,提供了今后融合更多信息的算法接口;2）通过多步长预测输出深入研究EMD分解的有效信息结构;3）通过切换到更细时间框架来处理EMD的端点效应,并探索了两级时间框架下的预测效果;4）给出了金融时间序列组合预测模型的一般性架构,具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证,结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%,在澳大利亚股指日线上也达到了74%的命中率,经比较,明显高于文献中常见的5种模型。     

实物资金流量表的预测方法研究

资金流量表是国民经济核算体系中的重要组成部分。然而,由于在编制过程中需要采集大量的数据,通常情况下,很多国家的资金流量表都会有较长时间的滞后。在编制实物资金流量表的延长表时,已有方法通常是基于基期与预测期交易收支结构保持不变的假定条件。然而,经济结构发生显著变化时,该类方法就会失效。基于上述问题,研究弱化模型的假设条件,并提出了新的实物资金流量表预测方法( 简称 FPTF方法)。根据表中元素必须满足的约束条件,该方法通过建立数学模型解除约束,其次基于历史数据的动态趋势,采用适当的时间序列分析方法来预测目标年份的实物资金流量表。通过仿真分析,验证了所提方法的有效性和稳定性。此外,基于中国1992年～2014 年的实物资金流量表数据进行实例分析,取得了满意的分析结果。