最小一乘准则GM(1,1)模型

针对相关文献的边值修正GM(1,1)模型中,边值修正项和模型检验均采用最小一乘准则,而模型参数估计采用最小二乘准则的不协调性,将最小一乘准则应用到模型参数估计中,统一了模型参数、边值修正项和模型精度检验的准则,得到了真正意义上的最小一乘准则GM(1,1)模型.计算实例说明,最小一乘准则GM(1,1)模型具有很好的精度和稳健性.     

地市面板数据单位根检验的收敛性计量评价

本文首先介绍了面板数据概念及三种常见的单位根检验方法.然后结合面板数据单位根检验方法,针对湖南省14个市州样本从2003年到2013年人均国内生产总值、人均城镇居民收入和城市化率的面板数据,检验了经济增长中的收敛性假说,得出一些结论.     

基于改进评价准则的贝叶斯网络模型选择

现有的贝叶斯网络模型选择的各种评价准则中,评价准则最为常用.然而在大样本前提下近似推导得到的准则,在基于小样本条件下进行贝叶斯网络模型选择时,得到的网络过于稀疏,网络连通性不足.而准则在小样本条件下学习贝叶斯网络,选择出的网络往往比较复杂.针对这一情况,本文通过引入调整因子,将与准则的惩罚项进行加权,提出了评价准则,从而提高了小样本情况下贝叶斯网络模型选择的效果.理论分析和实验结果反映了改进的准则的合理性和有效性.     

自由模型下单因子检验的判别准则

试图提供并完善一套对自由模型下单因子试验进行设计与分析的新方法,并对其进行严格的理论推导和证明．作为系列论文的第二篇,给出了自由模型下单因子试验的方差分解定理,并利用贡献率指标（也称为全局敏感性指标）得到了自由模型下单因子检验的判别准则．     

3—维列联表中对数线性模型的选择策略

文章引入一种关于3—维列联表中对数线性模型的选择方法。该方法是运用一种快速模型选择方法将3—维列联表中所有可能的HLLM模型分成两大类，即接受类和拒绝类。然后运用AIC准则从接受类中挑选出“最佳”模型。     

基于完整似然最短信息长度准则的高斯混合模型聚类(英文)

针对数据真实的概率分布不符合事先假设的高斯混合模型的情形,提出了一种鲁棒的基于高斯混合模型的聚类方法.首先,提出了一种新的模型选择准则,即完整似然最短信息长度准则.该准则不仅能衡量模型对数据的拟合优度,还能度量该模型对数据分组的性能.然后,将该准则作为聚类的代价函数,提出了一种新的期望最大化算法来估计模型参数.与标准的期望最大化算法相比,新算法能较好地避免不理想的局部最优解.实验结果表明:当数据概率分布模型不符合假设的高斯混合模型时,所提方法可克服现有的基于高斯混合模型聚类方法过拟合的缺点,鲁棒地得到准确的聚类结果.     

线性模型的模型选择与模型平均

本文在线性模型下讨论了兴趣参数的模型选择与模型平均问题.首先利用最小二乘方法估计子模型下回归系数,进而推导回归系数和兴趣参数估计量的渐近分布,然后得出兴趣参数估计量的均方误差无偏估计量,构造出兴趣模型选择准则,最后通过比较各子模型的兴趣信息准则值选出最优模型.     

基于推断模型(IM)的配对试验优势比检验方法

针对医学配对试验中一种医药制剂对另一种医药制剂基于优势比的非劣检验问题,应用随机化合理性函数将IM检验推广为RIM检验,证明所提出的方法不仅是合适的,而且是有效的.模拟研究证实了RIM检验优于其他检验的方法,并运用该方法研究了一个实证例子.     

我国商品进出口：基于SARIMA模型的预测

正确的识别模型结构是运用SARIMA模型进行预测的关键.鉴于传统单位根检验方法对月度数据单位根检验的低检验功效,本文运用Beaulieu & Miron提出的方法对我国商品进出口月度数据的单整阶数进行判断.在正确识别模型结构的基础上,运用SARIMA模型对我国未来两年商品进出口贸易数据进行预测.结论是我国2008年商品出口和商品贸易顺差增速将放缓、而商品进口和商品贸易总额增速将加快;2009年商品出口和商品贸易顺差增速将变大,而商品进口和商品贸易总额增速将变小.     

基于AR(p)模型的渭河水质预测

对溶解氧序列的检验结果为平稳序列及非白噪声序列,结合水质标准,建立AR预测模型,预测水质所处状态,从而指导工农业生产及水质治理.     

长江流域消费结构的长期均衡关系检验——基于面板单位根与面板协整分析

区域经济的不平衡发展一直是我国现实经济的主要问题之一,这种不平衡性在长江流域地区表现得尤为显著。本文通过对当前流域内的消费现状、影响因素和产生原因进行详细的研究和分析,将国外前沿的面板单位根和协整统计分析方法和国内已有的关于长江流域消费结构差异研究理论相结合,从而构建一个收入与消费的计量经济学模型来做进一步的实证分析。以判断长江流域地区各省市的消费结构是否存在长期稳定的协整关系。     

3-维列联表中对数线性模型的选择策略

文章引入一种关于3-维列联表中对数线性模型的选择方法.该方法是运用一种快速模型选择方法将3-维列联表中所有可能的HLLM模型分成两大类,即接受类和拒绝类.然后运用AIC准则从接受类中挑选出"最佳"模型.     

谈AR(P)模型及其应用

AR(P)模型在建模时只需解线性方程组,不涉及白噪声序列的值,计算简便,是应用最多的一种时序模型。     

基于JND和AR模型的感知视频编码方法(英文)

为了达到减少比特数同时保持画面质量的目的,提出了一种基于最小可视失真(JND)和自回归(AR)模型的感知视频编码方法.首先,设计了基于JND的纹理分割算法,建立了空时JND模型,以MB为基本单元,通过计算其JND能量并与阈值做比较,用以分割出视频序列中的纹理区域.然后,开发了AR模型来合成纹理区,在使用最小二乘法计算出AR模型的参数后,用相邻的前后参考帧对应像素的线性插值来生成重构像素.最后,为了检验所提方法的效果,将其与H.264/AVC视频编码系统做比较,用不同的视频序列实验来验证所提方法的有效性.实验结果显示,对于具有不同纹理特点的实验序列,所提方法可以在保持感知质量的同时将比特率减少15%～58%.     

3—维列联表中对数线性模型的选择策略

文章引入一种关于3—维列联表中对数线性模型的选择方法。该方法是运用一种快速模型选择方法将3—维列联表中所有可能的HLLM模型分成两大类,即接受类和拒绝类。然后运用AIC准则从接受类中挑选出“最佳”模型。     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题.基于Plug-in经验似然方法,构造经验似然比检验统计量.证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域.最后通过数据模拟,讨论了其检验功效.     

基于全信息理论的认知模型研究

依据全信息理论,在吸收认知及脑科学研究成果的基础上,提出了认知的层次模型,即信息认知模型和知识认知模型．信息认知模型满足于人类的基本需求,知识认知模型适用于高层次需求．该认知模型为研究人类的认知过程和思维方式提供了一条新的路径．     

基于信息工厂的供应链信息模型研究

随着物流供应链的快速发展,供应链中信息传递的速度、准确性和时效性越来越引起人们注意,文章从信息工厂的角度出发,把供应链上各企业看成是整体上的各个部门,将信息工厂中数据库共享的理念与物流供应链相联系,提出基于信息工厂的供应链信息模型、绩效评估指标和信息共享影响因素.为实现物流业务操作过程中供应链上各部门间信息快速、准确地...     

湖北省居民消费水平与GDP的误差修正模型研究

选取湖北省居民消费水平和GDP这两个重要的经济变量做协整分析,研究表明在所选取的样本区间内(1985年~2003年),两列时间序列之间存在协整关系,进而建立了误差修正模型,并且得到了较好的拟合结果,随后验证了两变量间具有双向G ranger因果关系。     

基于AR模型的筛选测试

介绍了典型的筛选测试系统中被测产品的信号类型,对两种筛选测试方法做了比较,并列举了两个实例。然后提出了用AR建模法来建立针对被测产品的信号无明显的频谱特征的筛选测试系统,对建模时需要考虑的问题以及AR模型预测误差法的有效性进行了分析,并用实例说明了AR建模前进行预处理的必要性。