中介语与中国式英语

大学教师应当利用中介语理论指导大学外语教学 ,分析语言的“石化”产生的原因 (负偏移的影响、母语的干扰、对中介语错误的忽略、等等 )。应在教学中注意正确的语言导向和语言教学法 ,认真对待学生在外语学习与习得过程中的中介语错误 ,把它当作语言教学的有利契机 ,在最大程度上纠正学生的中国式英语 ,帮助他们培养正确的语感 ,促使大学外语的课堂教学保质保量地得以进行。     

图书分类常见错误与对策

文章结合作者工作经验与体会，分析了图书分类工作存在的常见错误及产生的原因，并提出了相应的改进措施。     

基于HFACS的海上浮动核电站人因失误影响因素研究

为了保证海上浮动核电站的安全运行,系统了解海上浮动核电站中存在的人因影响因素,以小型反应堆及船舶人因失误因素分析为基础,总结海上浮动核电站人因失误特点,建立了HFACS模型,从外部因素、组织因素、不安全监管、不安全行为前提条件以及不安全行为等5个方面探讨了海上浮动核电站人因失误影响因素,并从人、物、制度与程序、组织与管理等角度提出人因失误防控措施,为海上浮动核电站人因风险分析提供理论参考。     

非英语专业大学生英语写作中的中介语“石化”现象个案研究

在中介语理论基础上,结合对非英语专业大学生进行的教学实践,通过实验对比的方法,收集学生作文中反复出现的错误对其进行分类比较。尝试性地提出运用阅读、背诵等学习策略来减少中介语＂石化＂对写作的影响。     

CET作文教学评改中的纠错策略

错误分析是二语习得研究领域的主题之一。教师在ＣＥＴ作文教学中要正确对待学生的错误,改进目前作文评改中一些不良纠错策略,逐渐提高学生对被评改后的作文的反馈意识,使教师的纠错和其指导下的学生自我纠错在ＣＥＴ作文教学中有机结合起来,力争使学生的写作水平上一个新台阶。     

双重政策目标下的货币政策传导机制研究

运用误差修正模型和协整检验对我国货币政策传导机制和货币政策有效性问题进行实证研究。结果表明,在二元政策目标框架下,货币供给具有较强的外生性,中央银行对通货膨胀的厌恶性正逐渐超过对经济增长的偏好性;相对于信贷渠道而言,货币渠道对货币政策传导的贡献度不高,货币政策主要通过信货渠道来影响总需求。     

从目的论视角探析企业简介翻译错误及其成因

根据Nord对翻译错误的分类和我们的调研,认为当前国内企业简介英语译文存在的问题主要有语用、文化和语言三方面错误。其主要原因在于译者缺乏明确的翻译目的,没能把译文读者放在首位,只是一味追求译文与原文在形式上的对等。企业简介翻译应当遵循三个原则：目的原则、译文读者导向原则和合适原则。     

变动均值和方差资产配置模型的应用研究

本文在均值-方差模型的基础上,以改善估计误差为主线,选取了10种变动均值-方差的资产配置模型,以等权重策略为基准,运用了确定性等价收益和Alpha值为判断准则,同时考虑了允许卖空限制和非允许卖空的情况,实证研究结果表明：虽然在资本市场中配置模型并不能显著战胜等权重策略,但随着投资范围的扩大,模型开始显现配置效果,尤其在Alpha准则下,变动均值-方差资产配置显著。同时本文还将实证结果和目前我国投资者的实际资产配置情况进行了比较,发现了现实配置结构中的不合理之处,并提出了相应的改善建议。最后对4类常用资产进行了模拟研究,其结果也进一步证实了本文的结论。     

SEMIPARAMETRIC REGRESSION AND GRAPHICAL MODELS

Semiparametric regression models that use spline basis functions with penalization have graphical model representations. This link is more powerful than previously established mixed model representations of semiparametric regression, as a larger class of models can be accommodated. Complications such as missingness and measurement error are more naturally handled within the graphical model architecture. Directed acyclic graphs, also known as Bayesian networks, play a prominent role. Graphical model-based Bayesian 'inference engines', such as bugs and vibes , facilitate fitting and inference. Underlying these are Markov chain Monte Carlo schemes and recent developments in variational approximation theory and methodology.     

Forecast mean squared error reductionin the VAR(1) process

When VAR models are used to predict future outcomes, the forecast error can be substantial. Through imposition of restrictions on the off-diagonal elements of the parameter matrix, however, the information in the process may be condensed to the marginal processes. In particular, if the cross-autocorrelations in the system are small and only a small sample is available, then such a restriction may reduce the forecast mean squared error considerably.

In this paper, we propose three different techniques to decide whether to use the restricted or unrestricted model, i.e. the full VAR(1) model or only marginal AR(1) models. In a Monte Carlo simulation study, all three proposed tests have been found to behave quite differently depending on the parameter setting. One of the proposed tests stands out, however, as the preferred one and is shown to outperform other estimators for a wide range of parameter settings.