基于TSSC模型定量评估上海世博会影响力

2010年世博会首次在中国举办.本文通过对2004年1月至2010年7月上海市入境旅游人数的统计分析,基于时间序列带月度及阶跃式虚拟变量项模型（TSSC）,对上海世博会的影响力做出了定量性评估。将入境旅游人数作为定量评价的主要依据,世博会对上海入境旅游人数的放大系数作为主要指标,从上海市旅游局网站得到相关数据。     

上海世博会影响力的定量评估——对中国软实力的影响力的定量分析

2010年的上海世博会（The world Exposition Shanghai China 2010）是继北京奥运会后我国举办的又一个世界盛会。举办世博会是上海在建设国际经济、金融、贸易和航运中心进程中的一件大事,将大大推进上海的现代化和国际化。世博会已经经历了150多年．而上海世博会将成为在我国、也是在发展中国家第一次举办的综合性世界博览会。     

上海世博会影响力的定量评估——对中国软实力的影响力的定量分析

2010年的上海世博会(The world Exposition Shanghai China 2010)是继北京奥运会后我国举办的又一个世界盛会.举办世博会是上海在建设国际经济、金融、贸易和航运中心进程中的一件大事,将大大推进上海的现代化和国际化.世博会已经经历了150多年,而上海世博会将成为在我国、也是在发展中国家第一次举办的综合性世界博览会.从1851年伦敦的"万国工业博览会"开始,世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台.     

利用时间序列与截面结合数据估计分布滞后模型

一、理论说明由于心理上、技术上与制度上的原因,一个经济变量对另一个相关经济变量的反应,并不总是在当时就能够全部表现出来,而是往往要延续一段时间,这就是时间滞后现象。分布滞后模型就是描述这种常见现象的经济计量模型,其一般形式为:     

高校影响力的定量评估体系构建

本文研究了高校的影响力,并对其进行定量评估,对给出的评价指标体系进行评价,采用熵权法给出各指标的权重,再利用主成分投影法对高校影响力的大小进行评估,促使各学校自身定位,不断发展自己,完善自己,提高自身的综合素质,采取合理的教育机制,因地制宜,因材施教。     

基于改进PageRank算法的微博影响力模型研究

由于Page Rank算法主要是根据网页之间的相互链接关系来计算网页的重要性得分,因此不能直接应用到微博网络来计算用户的影响力,从而本文在Page Rank算法的基础上,引入微博网络中用户的活跃度、博文质量以及关于位置的结构相似性等指标,建立适用于微博网络的用户影响力量化模型——Influence_Index。通过实验发现Influence_Index模型结果的影响力排名前十五的用户,其中有4位出现在被该网络用户公认的5位最具影响力用户的名单中。由此看出该模型的结果具有较高的准确性可以较好的识别出网络中具有影响力的用户,具有较高的推广意义。同时发现增加原创博文量、关注数量和粉丝量对提升用户的影响力有着显著作用。     

基于ARIMA模型和GARCH模型的美元指数波动性分析

美元指数在金融危机前后出现了耐人寻味的变化,其波动影响着国际经济、政治格局。本文运用自回归单整移动平均时间序列(ARIMA模型)和广义自回归条件异方差时间序列(GARCH模型)的方法分析美元指数,采集大量历史样本数据,对其波动特性进行实证研究。运用ARIMA模型对未来短期美元指数走向进行预测,表明美元指数的波动有一定的规律。同时,对美元指数建立用于描述大量金融时间序列的GARCH(1,1)模型,通过模型的定阶、检验、预测发现GARCH模型有较好的预测较长期整体走势的能力。     

基于ARIMA模型的风电功率预测

风电功率的随机波动被认为是对电网带来不利影响的主要因素。研究风电功率的波动特性,对改善风电预测精度与克服风电接入对电网的不利影响都有重要意义。本文通过对30天的风电数据加总,求得15min级的风电功率数据,提出了基于ARIMA模型的风电功率的预测模型。通过对数据进行单步预测取得较好的预测结果,说明ARIMA(1,1,1)模型能够较好的拟合原始数据。给风电功率的预测提供了新的思路。     

质量定量测评模型构建及应用分析

一直以来,我们总是认为质量与数量的对应是定性与定量对应,质量似乎只能定性而不能定量。然而,深入研究质量的国际标准定义,可以发现,质量不仅有结构变量及其对应的测评变量,而且利用这些变量可以构建质量定量测评简明可行的数量模型。需要强调的是,在模型中用设计的质量特性代替了要求的质量特性,所以,生产者在设计时应尽量使设计的技术参数超越要求的技术参数,从而提高在产品和服务中实际感受到的一组固有特性满足要求的程度,提高质量。     

基于时间序列模型在物流需求预测中的应用

本文采用时间序列模型进行物流需求预测，用实例从数据平稳性的判断，平稳化、标准化，建模，经模型的识别、定价、参数估计和检验，到预测及误差和置信区间的计算，详细地说明了时间序列模型在物流需求预测中是如何应用的。结果表明该ARMA模型能够较好地拟合并可获得较高的中短期预测精度。     

基于时间序列模型下的财务预测——以某家电企业为例

通过某家电企业的财务报表分析得知该企业的偿债能力较差,但营运能力总体向好。采用时间序列模型对该企业未来三年的财务状况做了预测,发现盈利情况良好,为投资者和管理者的经营提供方向。     

基于ARIMA模型对旅游业顾客满意度定量分析

本文根据我国旅游研究院对全国游客满意度水平进行分季度的数据,建立ARIMA时间序列模型进行数据分析,并对全国满意度水平进行预测,为制定旅游政策,对旅游市场进行宏观调控提供理论依据。     

基于结构时间序列模型的季节调整方法研究

一、季节调整的重要意义 月度或季度经济时间序列一般可分解为四种变动要素,即长期趋势要素T,循环要素C,季节变动要素S和不规则要素I。季节变动要素和循环要素的区别在于,季节变动要素是每年重复出现的周期变动,是由温度、降雨、年内的月份、假期、政策等引起的,而循环要素是间距比较长且不固定的一种周期性波动,它代表景气波动。经济时间序列分解模型也称为结构时间序列模型。依据时间序列的四个构成要素在模型中的相互关系,可以表现出多种不同的形式,一般而言,基本的分解模型为加法模型和乘法模型。设经济时间序列为{y_1},可以分别表示成如下的加法模型和乘法模型形式:     

基于小波分析方法的非线性时间序列模型及其应用

本文主要探讨了非线性时间序列中的异方差双门限自回归模型(DTARCH)的门限和延时的小波辨识方法,并利用相应的股市数据对此模型进行了实证分析。     

基于ARIMA简单季节模型的河南省快递业务量预测

本文对发展迅速的快递行业进行研究,选取河南省月度快递业务量,考虑到月度快递业务量的趋势性、季节效应,通过建立ARIMA简单季节模型对快递业务量进行预测。结果表明,该模型预测效果较好。     

基于固定效应模型的资本结构影响因素研究——以山西省煤炭上市公司为例

文章以山西省煤炭上市公司为研究对象,同时考虑了时间虚拟变量,采用Eviews6.0统计软件对资本结构影响因素进行实证研究。研究发现,企业资本负债率与企业规模、成长性和企业独特性存在显著的正相关关系,与盈利能力、偿债能力和营运能力显著负相关。研究结果还表明,山西省煤炭上市公司从2008年开始集中出现的大量并购活动对企业负债率存在明显影响。     

基于R语言SARIMA模型的航材需求预测分析

采用时间序列SARIMA模型对航材需求进行预测,以2010～2014年某航材实际月需求量数据为基础,运用R语言对航材需求量时间序列进行了稳定性判别;通过定阶和参数估计,构建了航材需求预测模型,并进行了数据预测。结果显示使用SARIMA模型拟合效果较好,预测能力可靠,能为航材部门需求预测提供准确方便的方法。     

基于中国知网的21世纪中国海明威研究者影响力评估

利用文献计量的方法,以中国知网的数据为基础,统计梳理了2000年到2013年间发表的与海明威相关的文章的数据。以学者的发表文章数量和文章被引次数为起点,并专门引人了NIF指数为依据对学者们的影响力进行统计分析和排名。同时也得出了21世纪最具影响力的几位新生代海明威研究学者。对不同排名方法结果的异同和特点进行了探讨。研究发现了本领域原有知名学者近年来影响力排名后进的问题并单独探讨了原因。同时研究发现具有领导者影响力的两位研究者都来自南方地区,打破了20世纪出现的南杨北董南北方研究力量势均力敌的平衡局面。     

基于BP神经网络的LT模型影响力最大化研究

影响力最大化问题的主要目标是挖掘社交网络中影响力排名前k个用户,使影响力发挥至最大效用。为了提高识别用户的准确率,提出一种基于BP神经网络的影响力最大化算法。该算法基于数据驱动方法利用BP神经网络优化预测模型,并使用改进的樽海鞘优化算法识别有效节点。在BA网络中的实验结果表明,该算法优于其他几种影响力优化算法。     

基于ARIMA模型的渭南市降水量趋势分析与预测

采用ARIMA模型对渭南市1953～2013年历史降水量趋势进行模拟,优选参数,建立降水量预测模型,对2014～2018年的降水趋势进行预测。经拟合结果分析可知ARIMA模型能够比较好地预测渭南市年降雨量变化趋势,渭南市近些年降雨量呈现略微下降的趋势,但随着预测期的延长,预测精度降低。建议在使用ARIMA模型预测年降雨量时,尽量保证数据序列足够的情况下,采用逐年实时校正的预测方法。