基于因子分析的农村中学生体质的因素分析

中学生中农村人口占较大部分,他们的体质影响着未来我国人口的整体状况.对随机抽样的1 724名农村中学生进行调查,采用数理统计法和实验法,对具有重要影响的16个子因素进行因子分析,认为在生活方式、家庭和学校等3个方面对农村中学生的体质起着决定作用.对这3个方面的改善给出了建议,为学校体育在提高和改善农村中学生体质科学研究方面提供理论依据.     

北羌塘拗陷巴贡组致密砂岩储层特征及控制因素

北羌塘拗陷的上三叠统巴贡组碎屑岩是羌塘盆地的储层重点层系，分析沉积、成岩作用对巴贡组碎屑岩储层物性的影响机制，可以为下步勘探工作提供地质依据。研究表明，巴贡组砂岩总体的成分成熟度和结构成熟度中等偏低，溶蚀孔隙是主要的孔隙类型，孔隙结构表现为分选差、喉道细和连通差。沉积因素是控制优质储层的主要因素，形成于分流河道微相的砂层在形成时的水动力强、搬运远，其厚度更大、原生孔隙更为发育，由于抗压实能力强、保留有更多粒间孔隙，因此，后期酸性溶蚀更为发育。绿泥石衬里抑制了粒间硅质胶结物的形成，裂缝发育改善了储层物性，煤系特有的酸性介质环境亦促进了次生孔隙的形成。     

微观剩余油赋存状态的矿物学机制探讨——以鄂尔多斯盆地中部中‒低渗砂岩储层为例

针对现阶段微观剩余油研究中可视化精度低、微观剩余油与矿物之间的依存关系不明确以及形态分类描述不完善等问题, 利用岩芯观察、铸体薄片分析、X射线衍射分析等手段, 以场发射环境扫描电子显微镜(FE-SEM)图像为基础资料, 联合能谱(EDS)分析资料, 研究鄂尔多斯盆地中部长2油层组和长9油层组的微观剩余油分布规律, 并探讨剩余油赋存状态的矿物学机制。结果表明, 微观剩余油的赋存状态由孔隙的大小和形态以及与孔隙相接触的边缘矿物的性质共同决定, 不同类型孔隙对剩余油的赋存能力取决于孔隙边缘矿物的形态、表面粗糙程度、比重和润湿性等物理化学性质。据此, 可将微观剩余油分为残留油团、半自由油岛、半自由油雾、半自由微油团和束缚油5个类型。     

贵州山核桃ISSR-PCR反应体系建立及优化

为建立贵州山核桃ISSR-PCR最佳反应体系,采用单因素试验的方法,对影响ISSR-PCR反应体系的模板DNA浓度、MgCl2浓度、d NTPs浓度、Taq酶用量、引物浓度等各因素进行了研究,确立了贵州山核桃ISSR-PCR的最佳反应体系。结果显示:最优反应体系的模板DNA浓度为40ng/u L、引物浓度为0.3umol/L、Mg2+的浓度2.9mmol/L、酶浓度0.3U、d NTPs浓度0.2mmol/L,退火温度为54℃。建立该反应体系可为贵州山核桃ISSR标记开发、物种分类鉴定、遗传图谱构建等后续分析奠定基础。     

国际石油价格波动的结构性因素分析

文章将石油供给性冲击、需求性冲击和投机行为冲击3方面结构性因素细分为5个内生变量,构建反映油价波动的结构向量自回归(SVAR)模型,并运用模型对1999—2012年期间油价波动的原因进行了实证分析。结果表明:需求性冲击无论是长期还是短期都是油价波动的最主要因素;其次,投机性冲击对油价波动的影响也较大,不容忽视;短期突发事件和供给冲击短期对油价有些影响,长期影响基本消失。     

因子von Neumann代数上的非线性中心化子

设m，n是任意非零整数，且满足(m＋n)(m－n)≠0， M是实或复数域F上的Hilbert空间上的一个因子von Neumann代数.利用代数分解方法证明了M上满足2mφ(AB)＋2nφ(BA)＝mφ(A)B＋mAφ(B)＋nφ(B)A＋nBφ(A)的非线性映射φ为可加中心化子，并刻画出具体形式φ：A→λA(λ∈F， A∈M).     

基于因子分析的烤烟主要化学成分特性

为准确评价烟叶质量,对3个等级317个烟叶样品进行常规化学成分分析,利用因子分析法对烟叶样品的化学成分及其比值进行综合评价。结果表明,烟叶主要化学成分总体比较协调,其总糖、还原糖含量偏高,不同等级烟叶化学成分差异明显。主要表现为含氮化合物与含碳化合物呈显著负相关,总氮与总植物碱呈显著正相关;对主要化学成分及其比值进行因子提取得到3个主因子,代表其方差贡献率的83%以上,分别为含碳因子、燃烧因子及含氮因子。     

Does a lot help a lot? Forecasting stock returns with pooling strategies in a data‐rich environment

A variety of recent studies provide a skeptical view on the predictability of stock returns. Empirical evidence shows that most prediction models suffer from a loss of information, model uncertainty, and structural instability by relying on low‐dimensional information sets. In this study, we evaluate the predictive ability of various lately refined forecasting strategies, which handle these issues by incorporating information from many potential predictor variables simultaneously. We investigate whether forecasting strategies that (i) combine information and (ii) combine individual forecasts are useful to predict US stock returns, that is, the market excess return, size, value, and the momentum premium. Our results show that methods combining information have remarkable in‐sample predictive ability. However, the out‐of‐sample performance suffers from highly volatile forecast errors. Forecast combinations face a better bias–efficiency trade‐off, yielding a consistently superior forecast performance for the market excess return and the size premium even after the 1970s.     

人工智能促进服务业生产率了吗

近年来，我国服务业占比呈现持续上涨态势，但服务业的高成本低效率问题仍然存在，随着人工智能和服务业的融合，服务业的全要素生产率是否提高有待进一步验证。我们运用DEA-Malmquist生产率指数验证了“鲍莫尔病”的确存在；加入人工智能因素后的服务业全要素生产率的确提高了，但是进一步的分解发现，全要素生产率的提高主要源于要素配置效率的改善和规模报酬递增效应，并非由于技术进步，人工智能作为技术进步的主要标志在提高服务业全要素生产率中的作用仍然有限，这是由于人工智能作用的滞后性所致。     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.