Precision Index in the Multivariate Context

General multivariate quantiles are employed to extend the classic univariate process precision index to the multivariate context under very mild conditions. Using halfspace depth regions for this purpose is especially recommended because it leads to both computational simplicity and natural generalizations to the tool-wear setup thanks to some recent advances in multiple-output and projectional quantile regression. A few examples are included to illustrate how the methodology might work in practice.     

大数据与统计新思维

最近,《大数据时代》等几本书引起了广泛的关注,大数据正在改变着人们的行为与思维,那么以数据为研究对象的统计学该如何应对？本文基于对大数据的理解,认为统计思维需要发生三个方面的改变：即认识数据的思维、收集数据的思维和分析数据的思维要改变。其中,数据分析思维又要在统计分析过程、实证分析思路、推断分析逻辑等方面发生变化,同时统计分析评价的标准也要有所调整。围绕这些变化,本文提出需要从八个方面去积极应对大数据,以促使统计学科跟上时代的步伐。     

国有企业改革与工资支付结构变革的面板数据分析

本文拟考察在1988-2002年期间国企改革对中国城镇工资支付结构变革的影响、特别是工资决定因素的变化。我们发现对教育的回报在增长,而对工作经验的回报在下降。2002年的数据表明：不断扩大的性别工资差距以及不断增加的非市场因素工资溢价可能均已不再上升。国企改革以及重工业在总体产业结构中比重的不断降低对这些部门职工的工资均已产生影响。我们使用1998-2002年回顾性面板数据提供了关于部门所有制结构、是否是党员以及失业等变量对工资影响的固定效应估计。     

面板数据的分位回归方法及其模拟研究

文章讨论了含有固定效应的面板数据模型,给出了3种估计未知参数的分位回归方法,蒙特卡洛模拟结果显示这些分位回归方法是处理面板数据的有效手段,且在误差非正态时优于均值回归方法。文章最后给出了一个真实数据的建模案例,得到了有利于决策的有用参考信息。     

面板数据聚类方法及应用

 基于面板数据的时序特征和截面特征,综合考虑面板数据“绝对指标”,“增量指标”及其“时序波动”特征,在重构面板数据相似性测度的距离函数和Ward聚类算法的基础上,提出了面板数据聚类方法。并以2003-2007年财政金融面板数据为例,对中国14个沿海开放城市进行了聚类分析,显示了良好的应用性。     

心灵的漂泊者--凯瑟琳·林姆短篇小说《旅程》解读

凯瑟琳·林姆以意识流的表现手法,清理出理查德人生旅程中与自己密切相关的三个女人的生活,解答出现代都市人心灵空虚和孤独的缘由:对金钱和物欲的极度追求而丧失了人性的关爱,最终沦为人生旅程永远的漂泊者.     

曲线拟合中关系式类型的计算机选择

本文论述了根据试验数据在绘图软件中不同坐标系统下的分布规律,来判别和选择试验数据曲线拟合关系式类型的方法——不同坐标系下试验数据线性规律判别法。利用该方法,不但可以提高数据曲线拟合的精度,而且快捷,直观。特别是对于需分段拟合的数据,在给出各段拟合关系式类型的同时,还可确定出各段间的分界点。     

继承与创造——伍尔夫与英国传统文学

现代主义作家弗吉尼亚·伍尔夫从小说理论和创作实践两方面对英国小说传统进行了继承和创新,她从自己独特的视角出发,挖掘出了传统文学中的现代主义因素,为自己的创作寻找"先辈",并和传统的现实主义作家彻底决裂,把写作的重点转到对人物精神世界的描写上.     

公共卫生服务系统的效率评估

针对国内公共卫生服务系统目前尚缺少统一的综合评价方法,本文提出了相对效率评估法,并首次将数据包络分析法(DEA)应用于该评估法中.通过对医院相对效率的评估与分析,给出了我国两类医院——县级综合医院和乡镇中心卫生院在现阶段的最佳规模。     

Recent trends and developments in computational multivariate analysis

Many traditional multivariate techniques such as ordination, clustering, classification and discriminant analysis are now routinely used in most fields of application. However, the past decade has seen considerable new developments, particularly in computational multivariate methodology. This article traces some of these developments and highlights those trends that may prove most fruitful for future practical implementation.