个人信用风险评分的贝叶斯有偏连接模型研究

经典Logistic回归模型与Probit回归模型的连接函数都是固定的对称连接函数,数据的不平衡性使这两个对称连接模型的参数估计偏差和均方误差显著上升,预测效果也会下降。在潜变量模型的基础上,将非对称连接函数的思想引入到信用风险评分中,采用贝叶斯估计和Gibbs抽样对有偏连接模型中的参数进行估计。实证结果表明:两类有偏连接模型对对称连接模型的改造是成功的,并兼备其系数可解释的优点。     

中国经济增长方式转变特征测度——基于贝叶斯时变参数状态空间模型

忽略经济增长模型的合适性及时变特征可能导致中国经济增长方式测度严重背离现实。根据Solow与Lucas的两类经济增长模型,序贯性构建了6个时变参数经济增长函数。通过贝叶斯推断与MCMC抽样获得刻画经济增长方式转变的时变特征,应用模型选择与比较得到相应结论:规模报酬时变的人力资本外部性模型要优于其它5个模型,人力资本要素对经济增长具有溢出效应,提高了经济增长的内源性效率;物质资本弹性、人力资本弹性及溢出效应具有较强上升趋势,对中国经济可持续性发展发挥良好支撑作用;尚未达到递增阶段的规模报酬以及收敛性波动的全要素生产率(TFP)增长率都需审慎解决。     

均匀设计在多指标抽样调查方案设计中的应用

多指标抽样调查是中国抽样理论研究的热点问题,对于促进中国统计调查实践具有积极的现实意义.从考虑多指标抽样方案设计中样本的代表性、总体估计的精度和降低样本容量的角度出发,在运用均匀设计原理设计多指标抽样调查设计方案的同时,对设计的多指标抽样调查方案进行优良性讨论,结果表明:该方案具有显著的优良性;利用该方案进行模拟实验效果良好.     

关于城市住户调查采用区域抽样方法的探讨

我国城市住户调查是采用随机抽样方法,从全部居民家庭中抽取一部分居民家庭进行调查,以反映居民家庭生活状况的一种调查.众所周知,职工家庭生活状况千差万别,要反映这种生活上的共同特征及其变化,必须抽选有代表性的家庭.多年来,我们坚持随机抽样原则,以居委会自然排列顺序和居民户口登记册为依据,严格把好抽样关,认真开展调查工作,较好地发挥了城市住户调查在地方社会经济建设中应有的作用.但随着社会的进步和经济的发展,城市居民家庭生活发生了深刻变化,我们在调查实践中感到,现行的抽样方法已难以比较准确地反映居民实际生活水平,主要原因:     

多目标抽样调查的模型选择

文章运用主成分分析法构造了多目标抽样调查的模型,通过讨论主成份合成指标的有关性质,提出了模型选择的最优方法,并运用实际数据予以说明     

堆叠筒子纱机器人无序分拣方法

针对筒子纱分拣机器人对作业目标堆叠时识别不准确、抓取位置不稳定的问题,课题组提出了一种堆叠筒子纱的机器人无序分拣方法。构建了具有3D视觉感知的筒子纱分拣机器人系统,利用Kinect V2相机获取堆叠筒子纱的图像信息,对采集到的筒子纱点云进行处理;通过M估计抽样一致性算法（MSAC）和直通滤波算法对原始点云进行裁剪,采用改进E R分割算法和ICP算法完成点云的分割和配准,得到筒子纱的位姿信息;最后使用机器人进行抓取实验。实验结果表明：该方法能够实现对堆叠场景下的作业目标的识别定位,系统的抓取成功率达到86%,可以满足筒子纱分拣的实际生产需求。     

抽样推断中权数的调整与检验——以美国ECLS-K(2011）调查为例

在复杂抽样推断中,为提高样本的代表性,需对设计权数进行基于规模和结构的调整。加权估计可以降低误差,但不对权数的变异性进行控制会影响估计精度。因此,对权数的调整与检验进行研究十分重要。本文首先对权数的调整方法进行分类梳理,引入了评价权数效果的检验方法,然后以美国ECLS-K(2011)调查为例,阐述了权数的获取、调整和估计,直观体现出权数的作用,并展示了权数调整的作用。同时,本文对该调查进行估计的最终权数进行了检验和评价,指出了该研究的可改进之处,为以后的调查提供参考。     

大数据背景下多重抽样框方法探讨

当前所获取的大数据并非都是总体数据,通常未能完全覆盖总体,因其多源异构的特性,致使传统的数据分析方法受阻。文章将抽样调查方法引入到大数据中,对大数据背景下应用多重抽样框的必要性进行剖析,并主要针对大数据中数据多源异构的难点,将每个来源数据作为一个抽样框进行处理,提出了大数据中多重抽样框的构建。进而根据大数据的数据特征进行分类,针对不同情况确定是否需要进行分阶段抽样设计,并提出运用SF估计量对基于多重抽样框的总体进行估计,此估计量较为符合大数据中多重抽样估计的需求,并能对总体有较好的估计。     

零浮动Poisson项目计数法在敏感数据抽样调查中的应用

文章将Poisson-Poisson项目计数法进行推广,提出零浮动Poisson项目计数法,其中,非敏感辅助变量来自于一个参数已知的零浮动Poisson分布。并给出了该模型下敏感参数极大似然估计的EM算法以及构造其置信区间的bootstrap方法。此外,还对该模型保护受访者隐私的能力加以讨论,发现该模型的隐私保护要优于Poisson-Poisson项目计数法。最后,从随机模拟的结果表明在该模型下利用本文所介绍的分析方法可以得到敏感参数的较为准确的估计。