变系数联立模型的局部线性广义矩变窗宽估计

在随机设计条件下,提出了一类变系数联立模型,运用局部线性广义矩变窗宽估计,对模型的变系数进行了估计,研究了估计量的大样本性质.利用概率论中大数定律和中心极限定理,证明了估计量的大样本性质,局部线性广义矩变窗宽估计具有相合性和渐进正态性.     

用泛函观点看LEBESGUE积分

从泛函分析观点来看Lebesgue积分,使得Lebesgue积分可以用泛函分析最简单最基本的方法独立导出．基本做法是将Riemann对于区间[0,1]上的连续函数的积分看成连续函数空间C[0,1]上的连续线性泛函,再将它“自然”延拓到C[0,1]在积分范数意义下的完备化空间,而这个完备化空间正是Lebesgue可积函数空间L1[0,1]．     

The global attractor of a non-local PDE model with delay for population dynamics in ℝ<Superscript><Emphasis Type="Italic">n</Emphasis></Superscript>

In this paper, we consider a non-local PDE model with delay for population dynamics in ℝ ⁿ . First, we prove the existence and uniqueness of weak solutions under some suitable decayed assumptions on non-local term at infinity. Then, we obtain the global attractor by proving ω-limit compactness property of the solution operator semigroup.     

Line-primitive Linear Spaces with Fang-Li Parameter gcd（k,r） at Most 12

Let G be a subgroup of the automorphism group of a non-trivial finite linear space S. In this paper we prove that if G is line-primitive with Fang-Li parameter gcd(k, r) = 11 and 12, then G is also point-primitive. This extends the results of Fang and Li (1993) and Li and Liu (2001) which combined gives the result for gcd(k, r) ≤ 10.     

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.     

V_n(R~+)中半线性生成子空间的基与维数

在交换的零和自由半环上,首先讨论了半线性空间V_n中向量组线性相关性的一些性质,并给出向量组中极大线性无关组所含向量个数相同的条件.其次通过对半环R~+,+,.,0,1上生成子空间基的讨论,给出了向量组的极大线性无关组含相同向量个数的条件.最后对R~+,+,.,0,1上生成子空间的维数进行详细讨论并给出相应的结果.     

基于异常值检测的港口集装箱吞吐量预测模型

考虑到诸如金融危机等重大事件的影响,时间序列可能存在异常值,提出了一个基于局部异常因子(LOF)的LOF-SSA-LSSVM预测模型,并将其应用于广州港集装箱吞吐量预测.首先,对原始时间序列进行X12加法季节分解,对于分解得到的不规则序列,采用LOF算法进行异常值检测,确定异常数据的位置,之后通过插值或最小二乘支持向量机(LSSVM)的预测值来修正原始季节调整序列中的异常值,将修正后的季节调整序列与季节因子序列加和,即得到新的待预测序列.预测阶段,先采用奇异谱分析(SSA)将新的待预测序列进行分解重构,剔除序列中的噪声,然后再采用LSSVM对其进行预测.实证结果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有着更好的预测精度.     

机器学习方法在储层分类中的应用

油气田开发中有效储层和非有效储层的样本点存在混合带时,两类储层的划分是一个难点问题.从统计学上来看,其本质是一个含噪声的小样本二分类问题,可以采用机器学习方法,充分挖掘有试油成果的样本点的数据信息.分别利用线性判别分析、支持向量机、多层感知机神经网络建立储层分类模型,利用10次10折交叉验证法进行模型评估与优选,并利用全部样本点建立了有效的储层分类模型,最后将模型推广应用到样本分布的三种不同情形.结果表明,线性支持向量机模型具有最好的分类效果和很强的泛化能力,对于区分有效储层和非有效储层是有效的,可以在油气田开发中进行推广.     

家庭财富是否有助于实现可持续共享?

为实现可持续共享,提高人们获取收入的能力则显得尤为重要,这种提高跨时间跨代际。而家庭财富转移的直接和间接效应是提高这种能力最直接的举措之一。针对家庭财富转移的直接和间接效应,通过构建对数线性模型及其扩展模型和累积Logit模型展开实证分析,结果表明:我国代际收入流动的主要模式为子代收入等级对父代收入等级的继承,以及"向上"或"向下"对称的异质性流动;家庭财富为不同收入水平间的相对距离和可渗透性带来一定的帮助;家庭财富过高,不利于实现全面的可持续共享;在可接受的范围内提升家庭财富存量,有助于加大收入底层向上层流动的机会;家庭财富的增加,有助于收入底层人群子代可持续共享水平大幅提升。     

因变量缺失下部分线性变系数模型的稳健估计

本文讨论因变量缺失下部分线性变系数模型在误差项和解释变量都含有异常点时的稳健估计问题。首先用局部加权线性光滑方法得到非参数部分的稳健估计,然后再得到参数部分的估计,并证明参数和非参数估计量的渐近正态性。最后模拟研究有限样本下估计量的表现。