自回归模型参数估计的Bootstrap逼近

本文将Bootstrap方法用于时间序列中自回归模型回归系数的最小二乘估计和误差方差的估计,建立了其分布的Bootstrap逼近的结果     

船舶辐射噪声的非平稳ARMA模型的建立

分析了船舶辐射噪声信号的特点,提出了一种简单、新颖的适用于船舶辐射噪声的非平稳ARMA模型.对海上实录的三大类船舶辐射噪声建立ARMA模型的实验结果表明该非平稳模型不仅具有较简单的形式,而且具有较高的精度.     

地震动非平稳性对大跨度空间结构随机地震响应的影响

为了进一步完善大跨度空间结构的随机地震响应分析理论,提出了一种简便的、近似计算非平稳地震激励下结构峰值响应均值的算法,数值模拟了某体育馆大型网壳结构在平稳和非平稳地震激励下的随机地震响应．研究表明,考虑地震动的非平稳性后,各杆件的峰值响应会有不同程度的减小,约7．51％～23．3％;同时考虑行波效应和地震动非平稳性时,在地震激励的初期阶段,结构响应方差会发生变化,但不会给结构的峰值响应均值带来明显差异;不同地面视波速时,峰值响应均值的减小程度不同．由此得出,所提出的近似算法能够大幅度地减少大跨度空间结构随机地震响应分析的计算量;对于大跨度空间结构的随机地震响应分析,尤其当结构的阻尼比和自振频率很低时应考虑地震动的非平稳性;在分析地震动非平稳性的影响时,应同时考虑地震动的行波效应．     

福建省人均GDP预测模型及其应用

人均GDP是最能体现一个国家或地区经济实力、发展水平和生活水平的综合性指标,利用福建省历年的人均GDP时间序列资料构建混合时序模型,可以预测福建省未来几年人均GDP的发展水平,揭示该省人均GDP的发展变化趋势,从而为地方政策的制定提供一定的依据。     

自回归模型参数估计的Bootstrap逼近

本文将Bootstrap方法用于时间序列中自回归模型回归系数的最小二乘估计和误差方差的估计,建立了其分布的Bootstrap逼近的结果     

基于格兰杰因果关系检验模型的道路建设规模与交通需求关系研究

解决城市道路交通拥挤的办法是降低道路交通负荷度,使道路通行能力能适应交通流的要求,一个常用方法就是道路交通基础设施建设.但新建的道路设施会诱发新的交通量,而需求总是倾向于超过交通供给.利用计量经济学理论,选择最具代表性的市区通车里程和民用车辆拥有量两个变量,介绍了利用相关性分析、平稳性检验、格兰杰因果检验研究变量问关系的方法,并以广州市市区为背景的算例对道路建设规模与交通需求关系进行了验证说明,它们之间只是单向格兰杰因果关系,而不是互为因果关系,从而影响交通管理方法的选择.     

Pattern Recognition of Non-Stationary Time Series with Finite Length

Introduction Time series and signals to be analyzed by using auto- regressive models are usually treated as stationary or non-stationary only in terms of mean[1]. In fact, most series are, unfortunately, somewhat non-stationary, es- pecially in terms of a…     

地理加权回归分析空间数据的空间非平稳性

空间数据一般具有空间非平稳性的特征,用一般线性回归模型来拟合空间数据,其分析结果不能全面反映空间数据的真实特征．地理加权回归模型是一种相对简单而又有效的探测空间非平稳性的新方法,属于局域空间分析模型．它允许不同的地理空间存在不同的空间关系,其结果是局域而不是全域的参数估计,因此能够探测到空间数据的空间非平稳性．以银行不良贷款原因分析为实例来验证空间数据的空间非平稳性．     

城市住宅价格影响因素的空间非平稳性分析

应用住宅特征价格法,选取南京市2011年9月份住宅小区均价作为因变量,选取8个影响住宅价格的因素并量化作为自变量,进行地理加权回归(GWR).与传统的OLS估计相比较,GWR模型具有更好的拟合优度,同时得出具有显著性的各因素对住宅价格的影响在空间分布上是有差异的,并揭示了这种差异的特点.     

异方差混合双自回归模型-HMDAR

研究了异方差混合双自回归模型(Heteroscedastic mixture double-autoregressive model,HMDAR)。给出了HMDAR模型的平稳性条件。利用ECM(Expectation conditional maximization)算法估计模型的参数,运用BIC(Bayes information criterion)准则选择模型.HMDAR模型分布形式的灵活性使得它能够对具有非对称或多峰分布的序列进行建模。将该模型应用于几个模拟和实际数据集均得到了较为满意的结果。特别是对于波动较大的序列,HMDAR模型能比其它模型更好的捕捉到数据序列的特征。