您的位置: 专家智库 > >

胡亚南

作品数:6 被引量:11H指数:2
供职机构:中国人民大学统计学院应用统计科学研究中心更多>>
发文基金:国家教育部博士点基金国家自然科学基金国家社会科学基金更多>>
相关领域:经济管理理学社会学自动化与计算机技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇科技成果

领域

  • 4篇经济管理
  • 2篇社会学
  • 2篇理学
  • 1篇自动化与计算...

主题

  • 2篇分位回归
  • 1篇地方财政
  • 1篇地方财政支出
  • 1篇收益率
  • 1篇数据特征
  • 1篇探测器
  • 1篇资产
  • 1篇资产投资
  • 1篇维数
  • 1篇稀疏性
  • 1篇向量自回归
  • 1篇连续型
  • 1篇聚类
  • 1篇股票
  • 1篇股票收益
  • 1篇股票收益率
  • 1篇固定资产投资
  • 1篇多元正态分布
  • 1篇高维
  • 1篇高维时空

机构

  • 6篇中国人民大学
  • 2篇新疆财经大学
  • 2篇兰州财经大学

作者

  • 6篇田茂再
  • 6篇胡亚南
  • 5篇张陶陶
  • 1篇郭洁
  • 1篇李扬
  • 1篇田玉柱
  • 1篇周健
  • 1篇苏宇楠
  • 1篇张圆圆
  • 1篇晏振
  • 1篇吴延科
  • 1篇熊巍
  • 1篇李蕾

传媒

  • 2篇统计与决策
  • 1篇中国物价
  • 1篇数理统计与管...
  • 1篇现代管理科学

年份

  • 2篇2017
  • 3篇2016
  • 1篇2014
6 条 记 录,以下是 1-6
排序方式:
二值型响应与连续型响应联合建模的变量选择
2016年
由于多重响应变量之间可能存在相关性,文章考虑对二值型响应变量和连续型响应变量进行联合建模。利用probit模型,对二值响应引入了具有正态分布的潜变量,从而对多重响应建立线性回归模型,能得到二值变量和连续变量的联合分布。然后考虑回归系数会存在稀疏性,通过对似然函数加惩罚,从而对二重响应的回归系数和协方差矩阵的逆矩阵进行估计,达到参数估计和变量选择的目标。文中目标函数基于l_1惩罚。数值模拟和实证分析展示了所提出方法的良好性质。
胡亚南张陶陶田茂再
关键词:EM算法多元正态分布PROBIT模型
全国县级地区固定资产投资的条件参数分位回归分析
2016年
本文基于《2014年中国区域经济统计年鉴》中的1902个县级单位主要统计指标,以固定资产投资为响应变量,考虑其他相关经济变量对其影响。利用Moran I统计量,检验固定资产投资具有空间相关性,并利用对空间数据的条件参数分位回归技术,分析了在不同分位水平下,其他经济变量对固定资产投资的影响。结果表明:固定资产受到户籍总人口、第一产业增加值、第二产业增加值、公共财政收入、公共财政支出的正向影响,随着窗宽和分位数的变化,其影响程度也有所变化。
胡亚南张陶陶田茂再
关键词:分位回归固定资产投资
基于空间分位回归的地方财政支出研究被引量:1
2016年
我国各地经济发展水平、产业结构以及劳动力市场特征不同,使得地方财政支出的结构和重点也有差异,其中地区间财政支出的空间溢出效应对经济增长的影响是不容忽视的。空间滞后模型通过引入变量的空间滞后形式,将空间位置变化与周边邻居位置上的变量联系在一起,这在一定程度上解释了由于空间扩散、空间溢出等相互作用造成的空间依赖。经过Moran I检验表明,人均地方财政支出存在空间相依性。文章利用空间分位回归模型对我国300个地级行政区2013年的人均财政支出进行了实证研究,设置空间权重矩阵,采用空间分位回归模型,研究地方财政支出对周边地区全要素生产率及其分解项的空间溢出效应。结果表明:经济发展不同的地区,在财政支出方面存在着明显的异质性。
胡亚南张陶陶田茂再
关键词:地方财政支出
基于稀疏聚类的高维数据特征选择及应用被引量:3
2017年
文章研究了一种高维数据聚类特征选择方法——稀疏聚类,稀疏聚类是通过对特征变量赋予权重,并添加lasso惩罚因子,压缩权重,得到对变量的权重排序,即重要性排序,使其在进行分类预测的同时达到自动剔除冗余变量的效果,从而起到了对高维数据聚类时的特征选择作用。将此方法运用于中国环保问题,将中国31个省份根据环保情况分为3类,并从现有的104个环保指标中筛选得到20个重要指标。
张陶陶胡亚南李扬田茂再
关键词:高维数据聚类
复杂高维时空大数据探测器的统计理论与方法
田茂再郭洁张圆圆苏宇楠田玉柱熊巍周健吴延科晏振胡亚南
该成果属于统计学及交叉学科的前沿研究领域,开展多元高维复杂数据分析、建模、算法与仿真等基础科学问题的原创性研究,内容包括EQ-算法、统计反问题中的耦合定理以及高维复杂时空大数据探测器的研发等,这些研究被誉为当今统计学科研...
关键词:
稀疏VAR在股票收益率研究的应用被引量:7
2017年
向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。
胡亚南张陶陶李蕾田茂再
关键词:向量自回归稀疏性
共1页<1>
聚类工具0