光纤面板传输机理研究(Ⅱ)

本文在文献[1]研究的基础上,建立了光纤面板的结构模型。利用光学信息理论,研究了光纤面板的传输机理。通过分析、计算光纤面板传输的光学信息量,给出了光纤面板传递最大信息量时的最佳结构参数和扩散参量。     

网络舆情对中国上市金融机构系统性风险影响研究

使用2015年1月到2018年12月期间东方财富网45家上市金融机构1000万余条发帖信息为研究载体,从网络关注度和网络情绪两个角度构建"网络关注度"、"网络情绪"和"网络意见分歧"共3个网络舆情指数;然后使用DCC-GARCH模型估计CoVaR度量系统性金融风险指标;之后采用系统广义矩估计(SGMM)和差分广义矩估计...     

金融发展对经济增长影响的实证分析

本文将金融发展作为一个独立解释变量引入,构造经济增长的面板数据模型,运用面板数据以1994年为分界点分两阶段实证分析了全国及东、中、西部地区1985~2003年金融发展对经济增长的影响,以及东、中、西部地区影响的差异性,模型较好地拟合了数据。实证分析表明,各地区之间金融发展的不平衡性可以部分解释其经济增长的差异性。     

近红外光谱法分析格列齐特片

应用化学计量法处理光谱数据,用偏最小二乘法建立格列齐特片的近红外分析模型。通过光谱预处理和模型的逐步优化最终确定定量分析模型的相关系数为0.991,交叉验证均方差(RMSECV)为0.641,预测均方根误差(RMSEP)为0.980,主因子数为4。选取15个验证样品对模型进行检验,检测结果相对误差在-2.04%～3.52%之间。     

混合复发事件与面板数据下的可加可乘模型

事件历史记录数据(Event History Data)是随时间观察而得到的,记录特定事件发生时间和发生类型的观测数据.这种数据类型在生物医学等领域的研究中十分常见,它包含了两类非常重要的数据类型,复发事件数据(Recurrent Event Data)和面板计数数据(Panel Count Data).在实际生产过程中,有时会出现上述两种数据类型混杂的情况,文本提出了可加可乘半参数建模的方法来分析这种混杂数据.我们讨论了参数估计的相合性和渐近正态性,以及基准率函数的渐近高斯性质.我们进行了数据模拟,比较了我们提出的方法与naive方法的区别.     

基于省际面板数据的全要素生产率的计算:1995-2006

本文采集并处理了1995年到2006年间全国30余个各省、直辖市和自治区的产出、资本投入和劳动力投入的数据,经过单位根检验、协整分析和模型选择,利用面板回归模型,计算了各地区的TFP及其在不同时期的增长率。研究表明,1995年-2006年间东部省份的TFP水平要高于中西部地区,但TFP水平较高的省份的TFP增长率速度并不一定高,尤其是部分东部省份的TFP的增长率出现了下降,而部分西部地区的TFP的平均增长率发展势头较好。     

一种面板数据分位数回归模型的工具变量方法

本文将工具变量分位数回归模型(IVQR)应用到面板数据中,结合Canay对面板分位数回归的两步估计法以及Chernozhukov对IVQR模型的估计方法,提出了两步面板分位数工具变量估计法(2S-IVFEQR),并给出相应的参数估计。本文提出的方法较已有的方法计算复杂度低,蒙特卡洛模拟结果显示在数据量不大或者处理长面板数据时,2S-IVFEQR方法要优于传统的IVFEQR方法,且运算时间短。     

近红外光谱的古筝面板用木材等级识别研究

目前民族乐器古筝面板用板材的等级主要依靠乐器技师凭借个人经验进行判断,此方法受限于有丰富经验的技师且容易受其主观判断影响。针对此现状,以用于制作古筝面板的泡桐木材为实验样本,提出了一种利用近红外光谱结合改进的BP神经网络方法,实现快速识别古筝面板用板材的不同等级。近红外光谱可以表征丰富的物质结构与组成信息,并且测量仪器成本较低,附件形式多样化,所以针对泡桐板材的近红外光谱实验分析有实用意义首先进行光谱去噪,消除系统误差等以提高光谱分辨率,根据均方根误差与信号平方和作为多种预处理方法评价指标,选取一阶导数为本实验最终预处理方式,15为合适的滤波去噪窗口大小,然后通过主成分分析法压缩数据以及马氏距离法剔除建模集异常样本,从而建立更具代表性的建模集。然后通过聚类分析无监督学习方法进行板材等级分析,证明板材分级的可行性。由于H₂O在近红外光谱区域具有较大吸收,根据实验光谱分析结果,不考虑其基频振动波段5 396.0～4 978.0 cm-1区域和第一泛音振动波段6 800～7 000 cm-1区域,仅考虑剩余近红外光谱波段信息,将不同光谱信息波段组合,共七种组合波段区域作为神经网络模型的输入,进行面板板材等级识别模型实验。对传统的BP神经网络模型作改进。BP神经网络中学习率的设置采用自适应学习率优化策略,弥补传统神经网络训练速率慢等劣势。同时采用交叉熵函数作为代价函数,从而加快权重的更新速度。选取Relu函数作为输入层与隐藏层之间的传递函数,提高了模型训练速度,有效防止过拟合的发生。选取Softmax函数作为最后一层的传递函数,以此减少复杂计算,构成该研究最终BP神经网络模型。选取不同数量的主成分变量所能提取的光谱信息量不同,通过不断增加主成分个数和调整参与模型的光谱波段区间,调整BP神经网络模型的输入,当主成分个数为11和光谱区间为10 000～7 000和4 976～4 000 cm-1时,未知样本识别率达到99.7%,所选光谱区间涵盖C-H等基团全部特征信息。研究结果表明,近红外光谱结合神经网络可以对不同等级的泡桐木材进行有效的识别,降低人工检测误差,缩短板材分级时间,更好地满足乐器市场需求。     

固定效应部分线性可加面板数据模型的惩罚二次推断估计

具有较强解释力和灵活性的部分线性可加面板数据模型在各学科领域应用广泛.针对个体内存在相关结构的固定效应部分线性可加面板数据模型,本文在结合幂样条函数和最小二乘虚拟变量(LSDV)法的基础上,利用惩罚二次推断函数(PQIF)法对模型进行估计,在一定的正则条件下,证明了参数估计的渐近正态性和非参数估计的收敛性,Monte Carlo数值模拟显示所述估计方法具有良好的有限样本表现,同时,我们还将估计技术应用于实际数据分析中.     

中国居民消费的特征分析——中基于两阶段面板分位回归

本文结合实际问题,提出一种两阶段面板数据分位回归方法,并使用该方法分析我国居民的消费特征。通过横向和纵向比较揭示三种不同收入人群的边际消费倾向的变化趋势。文章认为中等收入者的边际消费倾向趋于稳定,低收入者和高收入者的边际消费倾向都有上升的趋势。中国居民的边际消费倾向呈现"U"型,所以提高低收入者的消费不仅在于提高他们的收入,更重要的是缩小当前的贫富差距。