主成分分析方法在学生评价体系中的应用

建立学生评价体系的主成分分析模型,随机抽取中国计量学院理学院部分学生,采集实际数据,进行实例分析.计算结果显示,模型有效.     

校园公共安全突发事件应急管理能力评价的组合优化模型

针对国内外对校园公共安全突发事件应急管理能力评价的研究进展,构建了客观赋权的熵权法和主成分投影的组合优化模型,对离散、动态的高校公共安全突发事件应急管理能力数据进行量化分析和评价.考虑到评价模型的单一性,引入主成分分析和灰色关联分析两种评价模型,实现三种不同评价模型对不同高校进行纵向对比和横向评比.结果表明:熵权法对影响高校公共安全突发事件应急管理能.力的评价指标体系赋权更加客观;运用组合优化模型对高校公共安全突发事件应急管理能力评价效果优于主成分分析模型、灰色关联分析模型对应急管理能力的评价;熵权法和主成分投影的组合优化模型对高校公共安全突发事件应急管理能力评价与指标体系采样数据相一致,为校园公共安全突发事件应急管理能力评价提供新的综合分析方法.     

基于多元统计的居民消费水平评价模型及应用

为解决传统主成分分析在消费水平评价应用中的局限性,对传统主成分方法作了改进,建立一种新的评价模型,利用此模型对青海城镇居民消费水平进行评价.结果表明:这是一种适合于居民消费水平综合定量评价且切实有效的方法模型,有较强的实践价值.     

我国上市公司财务状况的非线性主成分分析研究

文章通过对我国上市公司的财务指标进行综合分析 ,构建了我国上市公司财务状况综合分析的非线性主成分分析模型 ,并应用该模型对上市公司财务状况进行了合理的评价 .     

中国城市竞争力评价量化模型研究

本文建立一种将主、客观指标赋权方法优点相结合的城市竞争力综合评价分层构权主成分分析模型,在构建中国城市竞争力综合评价指标体系的基础上,基于该模型方法给出31个中国主要城市的城市竞争力的评价实例。并以并以判别分析方法对相关评价结果进行校验,实证分析的结果表明:这是一种适合于城市竞争力定量评价、稳定性较好且切实有效的方法模型。     

对台湾工农业产品产量的主成分分析

主成分析分析法是一种将多个指标化为少数几个不相关的综合指标 (即主成分 )的多元统计分析方法 .本文通过运用主成分方法对我国台湾地区 1 989 1 996工农业主要指标的原始数据的处理分析 ,表明主成分分析确是在实用中很可行的一种常用的统计方法 .     

基于MCMC主成分回归分析方法的经济增长因素研究

将MCMC算法融合到主成分回归分析模型中,提出MCMC主成分回归分析方法.新方法既具有有效避免解释变量之间的多重共线性问题以及简化回归方程结构的主成分回归分析方法的优势,又能够充分利用MCMC算法的融合先验信息、模型信息及样本似然函数的长处.将方法应用于对嘉兴市1997年至201.0年的经济发展指标的数据建模分析,结果表明,方法能有效克服现有分析方法的不足,建立预测精度更高的模型.     

产业集群创新能力评价模型的比较研究

针对产业集群创新能力评价的一些复杂方法,以文献中的基于BP神经网络的产业集群创新能力评价模型作为比较对象,提出了两种评价模型:组合评价模型和主成分指数模型.前者将变异系数法和Topsis法组合使用,用以评价产业集群创业能力;后者则是对所有参评样本的评价指标进行主成分分析,以主成分的方差贡献率为权重,构建主成分综合指数,从而形成产业集群创新能力的综合评价指数模型.对这两个模型用来自比较对象模型的同一数据进行了验证,三个模型都得出了非常相近的结果,而这两种模型更具可操作性且易于解释,这两者相比,主成分分析的方法则更为简单易行.     

基于主要成分分析的肝硬化数据处理与分析

本文利用主成分分析方法，针对66例肝硬化建立主成分分析模型，利用spss16.0求解模型。所得的结果简化了问题研究的复杂度，有助于医生的诊断。     

学生成绩的学分绩与主成分排序模型

利用多元统计中的主成分分析研究学生成绩,发现第一主成分排序与学分绩排序结果基本相同,提出用第一主成分代替学分绩对学生进行综合评价更加合理.而且主成分还能反映教学过程中的优点和不足.对教学有一定的指导意义.     

对使用主成分进行绩效指标值排名的讨论

对《基于数据的Goodgrant基金最优投资策略》一文使用主成分分析进行综合评价,对候选学校绩效指标值排名进行了探讨。首先,综合前人研究与本题实际,指出使用主成分分析进行综合评价存在的争议与不足;然后,分别建立TOPSIS模型和综合评价模型对候选学校的绩效指标值进行排名,并对不同方法得到的结果进行对比。结果表明,TOPSIS模型和综合评价模型得到的排名具有高度一致性,前50名重合率达98%,而与主成分分析综合评价的重合率仅有6%,说明使用TOPSIS等传统评价模型对候选学校绩效指标值进行排名更合适。     

部分线性模型在空气质量指数细颗粒物PM2.5中的分析应用

主要是研究细颗粒物PM2.5与其它影响空气质量指数的因素之间的相关性.首先运用主成分分析法对影响细颗粒物PM2.5的五个指标进行降维,然后对降维过后的数据拟合部分线性模型,拟合的效果比一般线性模型与多项式回归模型所拟合的效果更好.     

用统计分析方法预测能源需求量

本文建立了云南省能源消费量的主成份回归模型 ,并通过灰色系统理论中的GM (1,1)模型 ,得到了自变量的预测年度数据 ,从而对云南省 2 0 0 1年至 2 0 0 5年的能源需求量进行了预测     

����Adaptive-Lasso�ı��Ƴɼ�ͳ�Ʒ���

??In this paper, the multivariate linear statistical method is applied to research the undergraduate grades of students from the school of mathematics in Hefei University of Technology, and explore the impact on the later achievement by the early stage of achievement from all undergraduate courses. First, we get the main components from the previous courses by principal component analysis, then construct a linear regression model between the later achievement and main components by the stepwise regression method. Next, a linear regression model between the later achievement and the early stage of achievement from all undergraduate courses is constructed by Adaptive-Lasso method. Finally, comparative analysis is performed for the result of the above models. The research shows that the principal component regression model based on the Adaptive-Lasso method can well fit the later achievement, and give a reasonable explanation for the later academic performance.     

线性混合模型中方差分量的广义推断

本文考虑了线性混合模型中方差分量的假设检验和区间估计问题.基于广义P-值和广义置信区间的概念,构造了对应于随机效应的单个方差分量的精确检验和置信区间.所构造的广义p-值和广义置信区间是最小充分统计量的函数.对于两个独立线性混合模型中对应于随机效应的方差分量的比较,建立了精确检验和置信区间.进-步,研究了所给检验和置信区间的统计性质,给出了这些检验方法与文献中已有方法的功效比较的模拟结果.模拟结果表明,新检验在功效方面有显著的改进.最后,通过-个实例来演示本文方怯.     

基于主成分分析的湖南竞争力评价研究

介绍了主成分分析方法,提出了运用主成分评价模型必须满足的条件。并且借鉴中国科学院可持续发展研究组构建的可持续发展指标体系,运用主成分分析构建了区域竞争力的综合评价指标,将湖南的经济发展与其他地区比较,并提出相应的策略。     

Aggregation models with limited choice and the multiplicative coalescent

The percolation phase transition and the mechanism of the emergence of the giant component through the critical scaling window for random graph models, has been a topic of great interest in many different communities ranging from statistical physics, combinatorics, computer science, social networks and probability theory. The last few years have witnessed an explosion of models which couple random aggregation rules, that specify how one adds edges to existing configurations, and choice, wherein one selects from a “limited” set of edges at random to use in the configuration. While an intense study of such models has ensued, understanding the actual emergence of the giant component and merging dynamics in the critical scaling window has remained impenetrable to a rigorous analysis. In this work we take an important step in the analysis of such models by studying one of the standard examples of such processes, namely the Bohman‐Frieze model, and provide first results on the asymptotic dynamics, through the critical scaling window, that lead to the emergence of the giant component for such models. We identify the scaling window and show that through this window, the component sizes properly rescaled converge to the standard multiplicative coalescent. Proofs hinge on a careful analysis of certain infinite‐type branching processes with types taking values in the space of cadlag paths, and stochastic analytic techniques to estimate susceptibility functions of the components all the way through the scaling window where these functions explode. Previous approaches for analyzing random graphs at criticality have relied largely on classical breadth‐first search techniques that exploit asymptotic connections with Brownian excursions. For dynamic random graph models evolving via general Markovian rules, such approaches fail and we develop a quite different set of tools that can potentially be used for the study of critical dynamics for all bounded size rules. © 2013 Wiley Periodicals, Inc. Random Struct. Alg., 46, 55–116, 2015     

Re-specification of Affine Term Structure Models: The Linkage to Empirical Investigations

Abstract

This paper specifies the dynamic and cross-sectional behaviour of bonds in the framework of the general affine term structure model (ATSM) of Duffie and Kan (1996, A yield-factor model of interest rate. Mathematical Finance, 6, 379–406). We present the calibrations of ATSM, with the numerics fitting in with the actual data under the physical probability measure. Without assumptions and restrictions on any specific physical process of the factors, we find theoretical loads by solving Riccati equations with parameters chosen for the solution to match those from the principal component models. The general condition on the boundary is satisfied; so, the Black-Scholes equation admits a unique solution, which supports the Condition of Duffie and Kan.     

空气中PM2.5的动态扩散及宏观预测

以PM2.5扩散、衰减模式为研究对象,分析探究了PM2.5的扩散规律、危机治理及其后5年的治理问题.首先通过主成分分析法,建立了PM2.5与其它污染物之间的多元非线性对数模型.同时引入相对湿度的影响因素对模型进行再度优化,提高了模型的拟合优度.运用统计学原理,得出采集点之间的PM2.5具有较高的协同性.另外分析了静态下PM2.5污染物颗粒的受力和漂移模式和从点源、面源两方面分析了PM2.5动态扩散模式,建立了PM2.5的扩散偏微分方程模型.根据建立的扩散模型,对突变的污染物浓度确定安全区域的范围.最后建立综合费用和专项费用的多目标优化模型,利用贝叶斯支持向量机方法对PM2.5进行宏观预测,并运用系统动力学理论对目标值进一步优化,并对不同治理模式进行对比分析.     

Reducing component estimation for varying coefficient models with longitudinal data

Varying-coefficient models with longitudinal observations are very useful in epidemiology and some other practical fields.In this paper,a reducing component procedure is proposed for es- timating the unknown functions and their derivatives in very general models,in which the unknown coefficient functions admit different or the same degrees of smoothness and the covariates can be time- dependent.The asymptotic properties of the estimators,such as consistency,rate of convergence and asymptotic distribution,are derived.The asymptotic results show that the asymptotic variance of the reducing component estimators is smaller than that of the existing estimators when the coefficient functions admit different degrees of smoothness.Finite sample properties of our procedures are studied through Monte Carlo simulations.