最小一乘估计在多重检验中的应用——基于乳腺癌微阵列数据

运用多重检验方法对高维数据进行推断统计分析.首先将最小一乘估计算法应用在多重检验分析中,构造出新的估计真实零假设个数的方法.其次对最小一乘与最小二乘方法估计真实零假设个数的准确性进行模拟比较分析,模拟结果表明前者较后者估算结果更准确.最后,将上述估计方法应用于乳腺癌微阵列数据的分析中寻找有表达差异的基因.检验结果共找到118个差异基因,其中85个基因在生物学上是有效基因,实证表明该方法具有一定的实用性.     

基于景气跟踪图的经济景气分析方法

首次将景气跟踪图方法引入中国经济景气分析中,并从宏观经济和行业分析两个维度对中国经济景气情况进行了分析.景气跟踪图方法基于时钟分析方法,对多个重要的经济时间序列指标的发展、运行进行跟踪,进而分析国民经济运行状态.景气跟踪图方法是一种新的景气分析方法,目前多用于宏观经济分析,作者尝试将其引入到行业分析中.针对直接采用原有景气跟踪图可能存在的问题,作者结合先行指标体系进行景气跟踪图分析,同时提出了基于景气跟踪图的经济持久期分析方法.中国经济的实证结果表明改进的景气跟踪图方法在宏观经济与行业分析中均有非常良好的表现,是现有景气分析方法的很好改进与补充.     

基于时间序列方法的全国铁路旅客周转量的分析与预测

应用两种时间序列分析的方法对全国铁路旅客周转量的月度数据进行分析.运用X-11方法和季节ARIMA模型进行分析并分别对未来5个月的周转量做了预测,结果表明季节ARIMA模型优于X-11方法.通过对全国铁路旅客周转量的定量分析,为铁路部门在计算运输成本,劳动生产率,旅客平均行程等方面提供有效的依据.     

对各地绿化环境的统计评价和思考

本文利用多元分析的方法对全国 30个省、市及直辖市的城市绿化情况进行评价 .借助SAS软件 ,用主成分进行分类 ,并对结果进行相关分析 .     

基于逐段曲线回归分析的息票剥离法的研究及应用

对一般息票剥离法(Bootstrap m ethod)进行了改进,将其在两个最近期间之间的利率利用线性关系进行估计,扩展为由回归分析逐段拟合曲线给予预测和估值.并给出了模型需要修正的情况和一个一般的修正方法.最后与N elson-S iegel模型构造收益率曲线的方法进行了对比实证分析,并给出了相应的分析结果.     

简单平均法预测误差平方和的进一步研究

用数学归纳法对简单平均法与简单加权平均法的预测误差平方和的上界进行了比较,对简单平均法的有效性进行了分析.与相关文献的证明方法相比较,本文所采用的方法简单,直观而易懂.同时也得到了简单平均法就是最优组合预测方法的几个等价条件.     

求解对称鞍点问题的修正Uzawa方法

本文基于两个非线性逼近逆的非线性Uzawa方法,给出了一种新的修正非线性Uzawa方法,并对其收敛性进行了分析以及与已有算法的收敛性进行了比较.最后由数值试验说明了算法的正确性和有效性.     

DEA方法进行规模收益分析的几点注记

自从 Banker等人 ( 1 984)用 DEA方法进行规模收益分析 ,已有越来越多的学者也在进行相关的研究 .研究主要从两个方面进行 :基于 DEA输入模型的方法和基于 DEA输出模型的方法 .这两类方法所应用的模型、条件、结论都有所不同 ,但在应用中有些文章将它们混淆在一起 .本文针对应用中容易出现的错误 ,给出反例和正确的判别规模收益状况的充分必要条件 .并由规模收益的定义 ,建议使用 DEA—输出模型进行规模收益分析 .     

基于Box-Jenkins方法的青南高原降水量时间序列分析建模与预测

应用基于Box-Jenkins方法的时间序列分析技术,对青南高原的四个典型地区1961-2005年降水量序列进行ARMA建模分析:验证了四地区年降水量序列的时间序列特性,研究并选择了这些序列的最佳ARMA模型,本文也通过模型对未来降水量进行了预测.模型实证分析的结果表明:在青藏高原降水量时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

基于DEA结果修正模型的公路网交通效益评价

为了更好地对公路网建设的交通效益进行评价,构建了公路网交通效益指标体系,并采用数据包络分析(DEA)方法进行相对有效性评价与分析.鉴于全排序的客观要求,在CCR的基础上提出了基于系统潜能损失的结果修正模型,并引入了最劣决策单元对其进行DEA再评价.以9个公路网为蓝本采集指标数据,进行了基于DEA结果修正模型的交通效益评价,并与选取的9个公路网的实际运行情况做了对比分析.     

多元统计分析在大学生综合素质评价中的应用

德育和智育是衡量大学生综合素质的重要因素,本文根据天津工业大学某年度某班级学生的各科成绩和影响学生综合素质的相关因素的实际数据,应用因子分析对影响学生综合素质的各因素进行主成份分析,计算各个学生的因子综合得分并按得分高低进行排序,把它和常见的的两种评价方法进行比较,结果发现该方法能够弥补仅仅依靠平均积点分和按综合测评总分排序的不足。最后,以因子综合得分和平均积点分和综合测评总分为指标采用聚类分析对所有学生进行分类,得出了令人满意的结果。实证分析结果表明因子分析和聚类分析是衡量学生综合素质行之有效的方法。     

Matlab软件在多元统计分析中的应用

许多实际问题往往需要对数据进行统计分析,建立合适的统计模型.过去一般采用SAS、SPSS软件分析,本文给出Matlab软件在多元统计分析上的应用,主要介绍Matlab在主成份分析、聚类分析、判别分析上的应用。文中均给以实例,结果令人满意。     

初中学生心理测量的统计分析

本文用相关分析说明了〈中学生素质特点分类培养〉项目研究中所用各种心理诊断量表整体组合运用的合理性 ;用因子分析简化了测试项目的指标体系 ,选定了适当的公共主因子 ,并对公因子给予了合理的解释 ;用聚类分析依据因子得分对学生实施心理素质特点分类 ;根据学生的心理素质特点类型提出了相应的宏观培养策略     

多元统计在海南农业区域经济分析中的应用

利用多元统计中的主成分和聚类分析对海南各市县的农业产量进行研究,得出代表海南的传统农业产量区及热带作物产量区,并对上述产量区进行分类.此外,还对各市县农业现状进行对应分析,得出各市县农业产业结构特征和主导产业,结论较为合理.     

Interpreting multiple correspondence analysis

The practical aspects of interpreting multiple correspondence analysis are reviewed. The geometric concepts associated with simple correspondence analysis are shown to be inadequate for multiple correspondence analysis. An alternative approach, called joint correspondence analysis, is shown to be a more natural generalization of the simple case. The practical interpretation of homogeneity analysis is also discussed and a compromise is proposed between classical multiple correspondence analysis and joint correspondence analysis, preserving the optimal scaling properties of homogeneity analysis. A simple example is used throughout the discussion to illustrate the issues involved.     

Interpretation of redundancy analysis: Rotated vs. unrotated solutions

Some properties of redundancy analysis are summarized and suggestions for normalization are given. The relations between redundancy analysis and principal component analysis and, to a lesser extent, canonical analysis, are reasons for considering rotation techniques on the primary solution. An example from practice is given in which redundancy analysis is a useful technique, but where rotation of its results is desired in order to simplify the interpretation.     

Modelling,making inferences and making decisions: The roles of sensitivity analysis

Sensitivity analysis, robustness studies and uncertainty analyses are key stages in the modelling, inference and evaluation used in operational research, decision analytic and risk management studies. However, sensitivity methods -or others so similar technically that they are difficult to distinguish from sensitivity methods- are used in many different circumstances for many different purposes; and the manner of their use in one context may be inappropriate in another. Thus in this paper, I categorise and explore the use of sensitivity analysis and its parallels, and in doing so I hope to provide a guide and typology to a large growing literature.     

The exploratory analysis of qualitative variables by means of three-way analysis of two types of quantification matrices

A comparison is made between a number of techniques for the exploratory analysis of qualitative variables. The paper mainly focuses on a comparison between multiple correspondence analysis (MCA) and Gower's principal co-ordinates analysis (PCO), applied to qualitative variables. The main difference between these methods is in how they deal with infrequent categories. It is demonstrated that MCA solutions can be dominated by infrequent categories, and that, especially in such cases, PCO is a useful alternative to MCA, because it tends to downweight the influence of infrequent categories. Apart from studying the difference between MCA and PCO, other alternatives for the analysis of qualitative variables are discussed, and compared to MCA and PCO.     

混合的数据包络分析模型的灵敏度分析的研究

本文研究了混合的数据包络分析(DEA)模型的灵敏度分析,给出了有关所有决策单元的输入与输出都变化的情况下某决策单元保持其有效性(M)的两个充分条件。     

Bounding the set of solutions of a perturbed global optimization problem

Consider a global optimization problem in which the objective function and/or the constraints are expressed in terms of parameters. Suppose we wish to know the set of global solutions as the parameters vary over given intervals. In this paper we discuss procedures using interval analysis for computing guaranteed bounds on the solution set. This provides a means for doing a sensitivity analysis or simply bounding the effect of errors in data.