- 年份
- 2024(2523)
- 2023(3760)
- 2022(3355)
- 2021(3335)
- 2020(2954)
- 2019(7135)
- 2018(7194)
- 2017(14164)
- 2016(7599)
- 2015(8803)
- 2014(8786)
- 2013(8427)
- 2012(7487)
- 2011(6730)
- 2010(7032)
- 2009(6594)
- 2008(6364)
- 2007(5369)
- 2006(4715)
- 2005(4096)
- 学科
- 济(32543)
- 经济(32517)
- 管理(20996)
- 业(20478)
- 方法(19080)
- 企(17519)
- 企业(17519)
- 数学(17497)
- 数学方法(16983)
- 农(7560)
- 中国(7524)
- 理论(6705)
- 财(6008)
- 业经(5867)
- 学(5859)
- 贸(5164)
- 贸易(5160)
- 易(5017)
- 地方(5010)
- 农业(4869)
- 制(4798)
- 技术(4667)
- 教学(4497)
- 策(4339)
- 和(4317)
- 划(4145)
- 银(4042)
- 银行(4037)
- 融(3871)
- 金融(3871)
- 机构
- 学院(106688)
- 大学(105536)
- 管理(43183)
- 济(41926)
- 经济(41074)
- 理学(37961)
- 理学院(37596)
- 管理学(36374)
- 管理学院(36199)
- 研究(32941)
- 中国(24770)
- 京(21908)
- 科学(21052)
- 财(18181)
- 所(16733)
- 农(16527)
- 业大(16286)
- 江(15336)
- 研究所(15303)
- 中心(15172)
- 财经(14768)
- 北京(13811)
- 经(13394)
- 范(13243)
- 师范(13087)
- 农业(12967)
- 州(12413)
- 经济学(12384)
- 技术(12332)
- 院(11920)
- 基金
- 项目(73551)
- 科学(58242)
- 基金(53280)
- 研究(51897)
- 家(46732)
- 国家(46371)
- 科学基金(40438)
- 社会(31876)
- 社会科(30276)
- 社会科学(30268)
- 省(29766)
- 自然(27927)
- 基金项目(27447)
- 自然科(27372)
- 自然科学(27369)
- 自然科学基金(26858)
- 教育(26100)
- 划(25095)
- 资助(23910)
- 编号(21207)
- 重点(16812)
- 成果(16711)
- 部(16071)
- 创(15640)
- 课题(15151)
- 发(15050)
- 创新(14488)
- 科研(14156)
- 教育部(13982)
- 计划(13943)
共检索到150452条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
徐礼文 廖丹
文章考虑了大样本下线性回归中同时进行快速估计和变量选择的问题,即针对一个存在稀疏解的大样本线性模型,根据重要性抽样分布从全数据集抽取少量子样本,对该子样本进行自适应Lasso估计。通过随机模拟研究,将该算法分别应用在几种不同的数据集中,并从模型预测精度和可解释性两个方面比较了四种子抽样方法在该算法下的表现。模拟结果表明,所提出的算法具有良好表现,在计算开销上也具有一定优势。
关键词：
大样本 数据降维 子抽样算法 变量选择
[期刊] 统计与决策
[作者]
刘立祥
文章通过对因变量有显著作用的变量加入回归方程,而排除一些影响不显著的变量,建立一个"最优"的自变量子集。通过对自变量的选择和逐步回归分析进行详尽的介绍,以期为使用该方法提供借鉴。
关键词：
自变量 选择 逐步回归
[期刊] 统计与决策
[作者]
白永昕 钱曼玲 田茂再
在超高维数据中,一方面，协变量的维数可能远远大于样本量,甚至随着样本量以指数级的速度增长；另一方面，超高维数据通常是异质的，协变量对条件分布中心的影响可能与他们对尾部的影响大不相同，甚至会出现重尾以及异常点的复杂情况。文章在协变量维度发散且为超高维的情况下研究了部分线性可加分位数回归模型的变量选择和稳健估计问题。首先，为了实现模型的稀疏性和非参数光滑性，引入了一种非凸Atan双惩罚，并采用分位迭代坐标下降算法来解决所提方法的优化问题。在选择适当正则化参数的情况下，证明了所提双惩罚估计量的理论性质。其次，通过模拟研究对所提方法的性能进行验证。模拟结果表明，所提方法比其他惩罚方法具有更好的表现，尤其是在数据存在重尾的情况下。最后，通过基于癌症筛查病人血液样本数据的实证来验证所提方法的实用性。
[期刊] 调研世界
[作者]
韩兆洲 陈晓冰
在抽样工作中,利用辅助信息进行模型抽样估计有利于提高估计精度。由于我国各地区发展不平衡,地区统计数据在空间上存在差异,传统的广义回归(GREG)估计方法将所有地区一视同仁,忽略了空间上的差异性,抽样估计存在较大误差。本文在传统的GREG估计方法基础上,创新性地提出一种新型的辅助信息抽样估计模型——地理加权回归(GWR)的GREG模型。该模型不仅考虑到空间的异质性和相关性,而且由于GWR对不同地区允许具有不同的截距项,除解释变量之外的其他影响因素都会反映到截距项中,因此只需要利用更少的辅助信息就可以估计出模型。本文在理论推导的基础上,通过实证和数值模拟方法,采用平均绝对误差(MAE)和标准误差(RMSE)对比评估了π估计量、全局线性回归模型、GWR模型和基于GWR的GREG模型对总体总值的预测结果,研究结果显示,基于GWR的GREG模型估计误差最小,估计效果最好。
[期刊] 统计与决策
[作者]
杨丰凯 袁海静
文章讨论了用学生t线性回归模型估计回归系数变点位置的稳健Gibbs抽样算法。利用学生t分布的正态尺度混合表示,得到各参数的满条件后验分布,通过对满条件分布抽取样本,得到变点位置及其他参数的贝叶斯估计。模拟显示该算法能有效地估计变点位置,并且当数据呈现重尾现象时,该模型较正态变点模型要稳健。
[期刊] 统计与决策
[作者]
杨丰凯 袁海静
与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数。而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性。文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题。
[期刊] 中央财经大学学报
[作者]
张颖 傅强
本文将基于Gibbs抽样的MCMC算法引入GJR-CAViaR模型,实现模型的贝叶斯推断。GJR-CAViaR模型是含有递归形式的分位数回归方程,尚未有文献提出如何对其进行贝叶斯分析和MCMC估计。本文首先利用不对称拉普拉斯分布建立GJR-CAViaR模型的似然函数,并通过引入标准指数分布和标准正态分布的混合分布得到不对称拉普拉斯分布的参数解析的条件分布,然后讨论模型的Gibbs抽样过程以及算法实现。对上证综指日收益率数据建立GJR-CAViaR模型,并得到模型参数的贝叶斯估计值。在马尔科夫链收敛的前提下
[期刊] 统计与决策
[作者]
杨丰凯 袁海静
文章讨论了用学生t线性回归模型估计回归系数变点位置的稳健Gibbs抽样算法。利用学生t分布的正态尺度混合表示,得到各参数的满条件后验分布,通过对满条件分布抽取样本,得到变点位置及其他参数的贝叶斯估计。模拟显示该算法能有效地估计变点位置,并且当数据呈现重尾现象时,该模型较正态变点模型要稳健。
[期刊] 中央财经大学学报
[作者]
张颖 傅强
本文将基于Gibbs抽样的MCMC算法引入GJR-CAViaR模型,实现模型的贝叶斯推断。GJR-CAViaR模型是含有递归形式的分位数回归方程,尚未有文献提出如何对其进行贝叶斯分析和MCMC估计。本文首先利用不对称拉普拉斯分布建立GJR-CAViaR模型的似然函数,并通过引入标准指数分布和标准正态分布的混合分布得到不对称拉普拉斯分布的参数解析的条件分布,然后讨论模型的Gibbs抽样过程以及算法实现。对上证综指日收益率数据建立GJR-CAViaR模型,并得到模型参数的贝叶斯估计值。在马尔科夫链收敛的前提下,发现中国证券市场VaR具有自回归性质,且呈现收益对风险的不对称特征。这一特征不会受到样本容量大小及置信水平的影响。
[期刊] 数理统计与管理
[作者]
李莉莉 杜梅慧 张璇
随着大数据时代的到来,分布式存储系统被广泛应用,这使得数据的分析面临较大的挑战。本文主要基于文[1]提出的两步子抽样算法思想,提出分布式两步子抽样算法,利用该算法得到的参数估计量具有一致性和渐近正态性。采用数值模拟及真实数据预测,进一步对算法进行评估,结果表明,分布式两步子抽样算法与简单随机抽样算法相比精度更高,与全样本相比,在保证精度损失很小的基础上,节约了CPU运行时间,提高了算法效率。
[期刊] 数理统计与管理
[作者]
陈光慧 吴默妮
在抽样估计中,当超总体模型为非线性形式时,广义回归估计量和最优估计量的估计效果均有待提高,而非参数回归估计量虽然能在一定程度上提高估计精度,但需要获得全部总体单位的辅助变量值,这在实际调查中往往难以满足。本文基于传统的广义回归估计量和最优估计量,借鉴非参数回归中局部多项式的估计思想,对原始辅助变量信息进行扩展,得到原始辅助变量多次方形式的新辅助变量,进而研究提出广义最优回归估计量。该估计量可以克服广义回归估计量、最优估计量和非参数回归估计量的缺陷,并证明其满足渐近无偏性和一致性。在不同超总体模型下,通过数值模拟方法比较了各类回归抽样估计方法的估计效果,模拟结果显示:在线性模型下,除了π估计量的精度较差,其余各类估计量的估计精度基本相同;但在非线性模型下,最优估计量和广义回归估计量的估计精度明显下降,而广义最优回归估计量和非参数的局部多项式回归估计量的估计精度都较好。
[期刊] 统计与决策
[作者]
杨丰凯 袁海静
与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数。而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性。文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题。
[期刊] 统计与决策
[作者]
李丽辉
文章研究了自变量可作重复观测的线性回归模型。对固定自变量X采用重复观测,得到应变量Y的多个观测值,并利用其均值与X构成数对,建立起自变量重复观测的线性回归模型。讨论了这种模型在一元时的情形,实例分析结果表明,该线性回归模型的参数估计值的方差更小,较之传统回归模型更为有效。
关键词：
线性回归 重复观测 方差分析
[期刊] 统计与决策
[作者]
李立亚 郑桃云
文章引进了l1极小化技术,来选择线性回归模型中的自变量。主要是解决一个加权向量的l1极小化问题,使所求向量尽可能稀疏。通过二次规划构想,进行变换,使之成为求解二次规划的问题,然后用GP-SR(稀疏重建的梯度投影)的方法来求解。通过l1极小化理论和数据的稀疏性的应用,就可以大大的减少自变量的个数,从而减轻了回归的计算量并且能保持回归模型的质量。
关键词：
稀疏性 l1极小化 二次规划 GPSR
[期刊] 统计与决策
[作者]
关静 陈永沛
文章介绍了线性回归变量误差模型参数估计的两种方法——工具变量法和校正似然法,然后通过数值模拟的方式对这两种方法的估计结果进行比较,说明这两种方法在不同假定下估计的优劣,最后通过实例计算来进行验证,并得到一些有用的结论。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
