2008年中国足球超级联赛成绩与技术统计的因子分析

通过查阅资料,收集、并整理了2008年中超联赛15支队伍210场比赛的技术统计.运用因子分析法对比赛成绩与技术统计的关系进行了研究,命名并分析影响比赛成绩的5个因子.旨在揭示统计指标与比赛成绩的特点与规律,为我国足球运动的理论与训练提供科学依据。     

中国足球甲A联赛的统计分析

本文通过对中国足球甲A联赛三年资料的初步统计分析,得到一些易见的结论;一场球赛的双方进球数服从Poisson分布,甲A联赛总体上存在非常显著的主场效应,但并不是所有球队在每年的联赛中都是这样,只有少数球队才存在统计意义上是显著的主场效应,用计算机模拟给出各名次球队得分的区间估计,并以进球数表示一支球队实力的参数,建立了一种称为特征向量法的预测方法,还依据96联赛成绩,对参赛的12支甲A球队进行了聚类分析.     

基于DEA模型的中国足球协会超级联赛俱乐部效率研究

基于2015-2017赛季中国足球协会超级联赛(以下简称"中超")俱乐部的面板数据,从"投入产出"角度建立俱乐部效率评价体系,运用数据包络分析(DEA)方法对中超俱乐部效率进行测度,并通过效率优化解决其投入冗余问题.研究表明:中超俱乐部2015-2017赛季整体效率均值各赛季都处于无效率水平,各赛季落入无效率区间的俱乐部数量均最多,而落入高效率区间的俱乐部数量则较少.高效率俱乐部当赛季的积分排名均不低于其投入排名.各赛季中超俱乐部均普遍处于规模收益递减状态,其中广州恒大、上海上港、上海申花和江苏苏宁俱乐部始终为规模收益递减.各赛季仅有少数俱乐部处于规模收益递增状态,其积分排名也均处于下游位置,其中辽宁开新俱乐部始终为规模收益递增.中超俱乐部不但普遍存在投入冗余情况,而且投入冗余度也较大,各赛季投入冗余度排名前三俱乐部的投入冗余度均超过50%.     

动态投入产出模型及其在高等教育成本分析中的应用

高等院校教育成本核算一直是人们关心的重要问题.把高等院校大学生培养过程,看作人才的生产与加工过程,投入高中毕业生(原材料)以及教学、办公楼等固定资本与教职员工等劳动工时,生产或毕业高校大学毕业生,从而建立高等教育的动态投入产出模型,并由此推导高等院校大学生教育成本的计算公式,指出在计算教育成本时,固定资本租金率与高校规模扩张速度之间的关系,指出进一步深入研究的方向.     

动态传播率模型及其在疫情分析中的应用

应用数据驱动的动态传播率来代替基本传染数$R_0$,在全国和省市两个层面上研究COVID-19疫情发展的特点和趋势。首先,基于动态增长率建立传染病常微分方程,推导得出动态传播率模型。其次,选择幂函数作为动态传播率的拟合函数,以3天作为最优滑窗期,对各地拐点进行了估计。最后,通过动态模型对各地不同程度尾声开始的起点进行了预测,并在13个省市间进行9个疫情相关指标的对比分析。结果显示,各地动态传播率在经过短暂的波动后均稳步下降,疫情得到有效控制;估计的拐点主要集中在2月中旬,而预测的尾声都将在3月底之前到来;同时,各地疫情发展特点和趋势、防控措施力度和效果存在一定差异。     

动态传播率模型及其在疫情分析中的应用

应用数据驱动的动态传播率来代替基本传染数R_0,在全国和省市两个层面上研究COVID-19疫情发展的特点和趋势。首先,基于动态增长率建立传染病常微分方程,推导得出动态传播率模型。其次,选择幂函数作为动态传播率的拟合函数,以3天作为最优滑窗期,对各地拐点进行了估计。最后,通过动态模型对各地不同程度尾声开始的起点进行了预测,并在13个省市间进行9个疫情相关指标的对比分析。结果显示,各地动态传播率在经过短暂的波动后均稳步下降,疫情得到有效控制;估计的拐点主要集中在2月中旬,而预测的尾声都将在3月底之前到来;同时,各地疫情发展特点和趋势、防控措施力度和效果存在一定差异。     

灰色动态模型及其在人口预测中的应用

一个国家人口的数量直接影响着其经济、社会的发展和资源的利用 ,中国是世界上人口的第一大国 ,人口问题一直是制约中国发展的第一因素 .本文应用灰色系统等维灰数递补动态预测模型 ,对中国未来5 0年的人口数量进行了动态预测 ,通过检验表明 ,该模型合理、方法简便可行、结果符合实际 ,为中国经济和社会发展的决策和研究提供了科学依据     

动态copula模型及在金融中的应用

copula模型因为能全面和灵活地刻画变量之间复杂的相依结构,因此被广泛应用于金融领域.金融市场的动态发展导致金融变量之间的相关性随时间变化而变化,这种动态相关性可以通过使copula函数或其参数随时间变化进行建模.本文介绍了动态copula模型的引入和发展、目前常见的几种动态copula模型、动态copula模型在金...     

组合评价模型在河南省主要城市综合经济实力评价中的应用

组合评价模型通过组合多个单一评价模型的评价结果,有效弥补单一方法的不足,提高评价的全面性和科学性.首先利用河南省2010年的相关数据,分别采用综合指数法、加权平均法、主成分分析法和因子分析法,对河南省的18个主要地区的综合经济实力进行了评价和排序;其次,建立基于模糊Borda法的组合评价模型,应用该模型对河南省的18个主要地区的综合经济实力进行了重新评价和排序,得到了更为可行的评价结果.     

随机游动在足球福彩中的应用

通过对一个随机游戏的分析，提出“近似马氏稳态时间”定理并加以证明，而后利用马氏链模型和对策论建立解决方案的最佳模型，并利用此模型预测足球比赛的胜、负的概率。     

例谈待定系数法在联赛不等式中的应用

<正>利用均值、柯西等不等式求最值在数学竞赛中是常见的方法,然而在处理一些复杂的不等式问题时,往往难以直接应用,需要根据不等式结构特点来进行适当的配凑,也就是待定系数法．那么如何根据“形”而“待”呢?本文将通过实例揭秘其中的待定系数方向:因“次数”而“待”、因“系数”而“待”以及因“取等”而“待”．     

目标规划在离散型动态投入产出模型中的应用

以离散型动态投入产出模型为约束条件的主体、以决策部门所希望达到的种种目标为约束条件的附加部分,建立动态投入产出目标规划模型.通过求解动态投入产出目标规划模型而得到离散型动态投入产出模型的解.此解法与其它解法相比具有更大的实用价值.     

组合评价模型在辽宁省主要地区综合经济实力评价中的构建及应用

组合评价方法的建模技术对于信息不完备的经济系统具有一定的实用性 .鉴于经济系统的复杂性及非线性的特征 ,首先利用辽宁省 2 0 0 1年有关数据 ,分别采用综合指数法、加权平均法、主成分分析法和因子分析法 ,对辽宁省 1 4个主要地区的综合经济实力进行了综合评价和排位 ;其次 ,建立了模糊组合评价模型 ,应用该模型对辽宁省 1 4个地区的经济发展状况重新进行了综合评价和排位 ,其结果更加科学、合理 .     

杜邦财务模型在美的集团中的应用分析

杜邦财务模型是基于主要财务指标之间的数理逻辑关系,将若干个用以评价企业经营效率和财务状况的比率按其内在联系有机地结合起来,系统地评价企业财务状况和经营成果.选取美的集团为例,对美的集团2013-2018年各项财务指标的变动状况对美的集团盈利能力、营运能力、偿债能力和净资产收益率进行分析,探讨了美的集团财务管理活动中存在的不足之处并提出相应的对策建议.     

动态因子模型在房价波动因素分解中的应用——基于中国26个城市房价波动的分析

利用动态多因子模型,对26个大中城市1999年1月-2010年5月的房地产价格波动进行因素分解,分别提取了表示区域特征的区域因子和城市特征的城市因子,从区域因子的特征看各区域房价波动受政府调控和宏观经济形势影响较大.因素分解结果表明:各区域因子对区域内各城市房价波动的影响贡献度较大,而且在经济发达地区这个特征更明显.对区域因子互动关系的研究表明:我国大中城市房价波动存在从东部沿海发达地区分别向东北,中部,西部蔓延的"波纹效应".本文的结论有助于加强不同区域房地产市场调控和监管的针对性.     

新陈代谢灰色模型在中国碳排放量预测中的应用

中国碳排放问题已经成为世界关注的焦点问题,预测中国未来的碳排放有助于实现2020年碳减排目标.通过选取2005~2011年中国碳排放数据,利用新陈代谢灰色模型对中国碳排放进行短期预测.模型检验结果表明:相对误差为二级,平均精度为一级,预测结果与实际值出入较小,到2015年中国碳排放量将超过31亿吨碳.针对研究结果,提出发展低碳经济提高能源效率和发展非石化能源来降低碳排放的策略.     

ASV-T模型研究及其在中国创业板市场中的应用

本文提出了T分布的带杠杆效应的随机波动模型,该模型同时兼顾了股票市场的杠杆效应和厚尾效应,并对模型进行了统计结构分析,证明了模型的有效性,基于贝叶斯分析,给出了对ASV-T模型的MCMC估计方法,其中对参数采取Gibbs抽样。利用该模型,通过对中国创业板指数的实证研究,证明了ASV-T模型对创业板市场的回报和波动性特征有更好的拟合效果,并且模型能够较好地描述金融数据的杠杆效应和厚尾效应。     

层次分析中的一种动态排序模型

层次分析法(简称AHP)是定性与定量相结合的运筹学方法。动态排序是指在AHP模型中考虑时间因素,它的判断矩阵及相应的排序权值是时间的函数.Saaty在[1]中给出了动态排序的判断矩阵的基本形式,讨论了阶数不超过4时判断矩阵特征根问题的解。但是上述方法在计算上是比较复杂的。为此,我们给出一种新的动态排序模型。 AHP的首要步骤是构造判断矩阵A,然后通过求解特征根问题:     

基于灰色关联分析的BP神经网络模型在中国碳排放预测中的应用

利用灰色关联分析原理,对中国碳排放影响因素进行筛选,再利用BP神经网络模型对中国碳排放进行预测,从而大大地提高了神经网络的训练速度,并且达到了良好的预测效果,从而为中国碳排放预测提供了新的科学工具.