发电量影响因素的统计分析

为了分析发电厂实际数据,采用多元回归法和逐步自回归法分析的方法来进行研究、分析。要想获得较高预测精度,科对其进行预测值拟合,最终创建能够综合分析发电量的模型。     

贝因美回归原点

创始人谢宏复出与否,决定贝因美下一步命运贝因美是一家有争议的公司,上市不到一年,两任董事长及部分高管先后辞职,现在,管理层虽然比较稳定,但业内和投资者对这家企业的担心却更多。因为,贝因美在2011年已经是国产奶粉销售额第一名,其荣辱成败,和庞大的国产婴幼儿奶粉市场有着紧密关联。从集团层面退出钢铁贸易、上市公司拟出售婴童用品业务来看,贝因美是决心彻底摆脱这些     

基于分位数回归的FDI城市分布影响因素研究

中国的外商直接投资(FDI)主要集中在部分城市,其在城市间的分布呈现出均值左偏的特征。针对FDI在城市间分布不具备正态性且存在较多离群点的问题,运用一般分位数回归方法分析1994-2012年影响FDI在中国287个城市分布的影响因素。研究表明,劳动力成本、市场规模和潜力、制度质量、人力资本、基础设施和当地竞争环境都是影响FDI城市分布的重要因素。同时,各因素对FDI影响程度随FDI城市分位的变化而变化。市场规模与潜力、政府效率、人力资本对FDI的影响随分位点增高有明显下降趋势,而基础设施对FDI的促进作用随分位点增高而上升。     

陕西省城镇化发展影响因素的实证分析

在全国各地重视城镇化战略和推进城镇化进程的过程中,揭示城镇化的地区特色和现阶段的影响因素具有重要的意义。结合陕西省的具体情况和必要的实地调查,运用SPSSl9．0和Eviews6．0软件对陕西城镇化影响因素进行相关分析和多元统计回归分析,结果表明,陕西省仍处于工业化主导城镇化的发展阶段,第三产业对城镇化的推进作用开始增强;城乡居民收入差别明显是促进乡村人VI向城镇转移的主要动力;制度因素对城镇化的推进作用尚不明显,市场机制有待进一步健全。     

基于等级差异的公立医院效率及其影响因素分析

使用2010年江苏省261家公立医院的数据,对不同等级的公立医院效率及其影响因素进行比较与分析.基于随机前沿方法,利用柯布—道格拉斯生产函数和成本函数分别计算了江苏省不同等级不同类别公立医院的技术效率与成本效率.在此基础上,使用Tobit回归方法分析影响医院效率的因素,回归结果显示,不同级别公立医院效率影响因素差异较大,一级和三级公立医院可以通过降低人均门诊费用、增加人均住院费用的方式提高效率,而二级公立医院主要通过增加职业医师比例来提高效率.     

HAC法在平稳过程之间伪回归中的适用性研究

通过蒙特卡罗模拟技术揭示各种HAC法在平稳过程伪回归中的适用性.研究发现,与核权函数HAC相比,预白化HAC法具有明显的优势;进一步的研究表明相对于被解释变量的持久性,解释变量的持久性对HAC的影响较大;当数据过程是高阶自回归过程时,在样本容量不是很大的情况下预白化方法的拒绝率会随着阶数增加而增大,只有在样本容量较大和BIC信息准则情况下预白化HAC的拒绝率才接近检验水平.     

缺失偏态数据下线性回归模型的统计推断

研究缺失偏态数据下线性回归模型的参数估计问题,针对缺失偏态数据,为克服样本分布扭曲缺点和提高模型的回归系数、尺度参数和偏度参数的估计效果,提出了一种适合偏态数据下线性回归模型中缺失数据的修正回归插补方法.通过随机模拟和实例研究,并与均值插补、回归插补、随机回归插补方法比较,结果表明所提出的修正回归插补方法是有效可行的.     

基于非线性-主成分Logistic回归的会计舞弊识别研究

混沌理论认为,人类行为大多具有非线性特征。会计舞弊属于行为会计的研究范畴,而传统上基于统计理论构建的舞弊识别模型大多受限于线性约束假设,可能存在模型设定偏误和信息提取不充分的缺陷。以沪深A股受到监管处罚的上市公司及其配对公司为样本,借鉴Taylor展开式的非线性思想,并使用主成分分析消除变量多重共线性,构建了非线性-主成分Logistic回归的会计舞弊识别模型。与线性回归模型对比发现,前者具有更高的舞弊识别正确率,模型拟合度更优。应用这一模型有助于更加充分提取舞弊识别信息,提高舞弊识别效率。     

工资收入差异的解释：基于分位数回归的经验研究

利用CHNS2006年的数据,通过分位数回归方法从教育回报率、性别和工作部门的差异三个方面对中国工资收入差异进行研究,得出与以往研究不同的结论。结果表明：教育回报率在工资收入分布上的变动趋势是不定的。在工资收入分布的两端,大专以上学历对工资收入差距的影响相对较大。对不同性别间工资收入差异的分解表明劳动力市场上存在明显的性别歧视,而对部门间工资差异的分解表明在整个工资分布区间,这种差异呈倒＂U＂型走势。     

回归的解释与应用

《回归的解释与应用》是美国加里福尼亚大学教授克里斯托弗-H．阿肯(Chistopher H．Achen)撰写的回归分析法在社会科学研究应用中经验法则。作者认为是优秀的统计工作本身就是一项优秀的科学研究。一种方法学只有在它可以在自己涉足的领域里促进被校验的理论的理解时，才可被称之为令人满意的。统计方法只是一种工具，头脑里没有明确的目的和理论诉求，就不能很好地使用这一工具。为了想做好社会研究领域的数据分析，我们首先应懂得什么是社会科学的科学解释。作者在专著中明确地提出，所有的统计方法都依赖于某些假设。在这一点上，定量方法与常识无异：要了解新东西，我们必须先知道一些其他的东西。不同之处仅在于统计理论使这种依赖性变得更明确。调查人员必须对测量的变量与结果间的函数形式，以及未测量变量的某些统计特性二者同时做出假设。所有这些假设——函数形式与干扰项的假定被统称为规范(specification)。没有正确的规范，常规的统计理论所给出的变量影响的精确估计将无精确性可言。而从目前国内外的社会科学界的现状来看，许多社会科学家，都热衷于用大量时间，不厌其详地论述统计分析的结果，但却很少论及其选择的规范的正确性。以回归分析为例，测量的因果因素的函数形式一般假定为线性的，与此同时，未测量的变量则常常被假定是正态的。在回归分析中最常见的情况是只估计一个回归方程。而在分析过程中，则最多不过试着对数据作一两次变换，和在方程中增加或减少几个变量这样一些工作。在作了这些十分有限的工作后，他们就会报告得到了最佳的拟合，仿佛这一切是完全正确的，已不可能再存任何其他的疑义。显著度检验、方差分析、决定系数以及其他统计计算也都在使用的模型，是一个完全合乎规范的模型这样一个假定的基础上进行。针对社会科学界存在的这一现象，作者在专著中对统计分析，特别是回归分析中的规范选择问题进行了深入讨论。本专著与其他专著另一不同之处是，在阐述回归分析方法的应用和解释过程中，注意力更多地集中在各种社会科学家对于数据应当，且也确实常常提出的那些问题——控制变量应该是多少、哪一个变量最为重要等这样一些问题展开一些讨论；——而不是对那些计量经济学中常讨论的问题——对一个给定的真实的模型，哪一个估计量是最好的估计量、它的统计性质如何等这样一类问题进行深入的讨论。本文将该专著中有关这两方面的内容全文译出。