探讨函数和向量中的平移

本文通过设计函数与向量中的平移，说明在数学教学中如何把握事物的本质，找到内部联系。     

我国城镇失业率的协整分析及预测

近年来,随着我国经济增长方式逐步的转变和经济体制改革的不断深入,我国的失业问题已经成为市场经济无法避免的一种经济社会现象,引起了整个社会的高度关注。失业率的波动是反映失业情况的指标。本文就失业率的影响因素进行了分析。运用EVIEWS统计软件对我国城镇失业率变动的影响因素进行了实证分析,通过建立的向量误差修正模型对未来的失业率进行了预测。使用模型对2009年我国城镇失业率的预测结果是4.65%,而2009年我国城镇实际登记失业率是4.6%,取得了非常好的拟合效果,从而充分证明了我国城镇失业率与理论分析的各种因素确实存在长期稳定的影响关系。模型的预测功能对于我国宏观经济决策和保持经济的稳定运行提供了一种有力的定量分析依据,具有重要的现实意义。     

基于滑动窗口的PCA与SVDD方法研究与应用

文章分析了主元分析法和支持向量数据描述方法的基本原理,提出了将PCA和SVDD方法同滑动窗口模型相结合的研究思路。通过采用适当大小的滑动窗口逐步更新当前子数据空间,分别建立PCA和SVDD子模型,从而实现在线实时故障监测。文章通过对比基于滑动窗口的PCA和SVDD发现,基于滑动窗口的SVDD有更好的监测效果。数值仿真验证了该方法的有效性。     

我国价格指数体系研究

价格指数体系是国民经济核算的重要内容。各个价格指标的绝对水平在官方使用频率比较多,但是各个指标之间的联系也同样十分重要,也同样蕴含着大量有价值的信息。本文运用向量自回归模型,对我国目前比较有代表性的8个价格指数的内在联系和相互影响作了比较深入的分析。发现各个价格指数之间确实存在着多种相互影响的关系,同时这种关系还伴随着时滞性的特点。     

基于NRS-SVM的商品住宅投资风险评价研究

针对目前风险评价中普遍存在的样本需求量大、评价主观性强、预测准确性低的问题,在国际上首次将邻域粗糙集与支持向量机相结合建立商品住宅投资风险评价模型。将邻域粗糙集与支持向量机结合使用,可以直接从样本本身出发,在小样本前提下分析各项商品住宅投资风险因素对总体投资风险影响权重,简化决策表,建立商品住宅投资风险预测模型。通过案例分析可知,治安环境风险与工艺革新风险对商品住宅投资总体风险无影响,且在仅有40个样本的条件下,商品住宅投资风险预测模型预测相对误差控制在3%以内。由此表明,邻域粗糙集与支持向量机相结合的方法可以较好地解决风险评价中普遍存在的问题,对风险因素具有较强的解释能力,对总体风险具有较好的预测效果。     

浅析我国“货币失踪”问题

研究表明，我国货币供应量与物价存在反常规现象，两者并未显示出同比例的增长，因此，考察和研究中国经济转轨中出现的“货币失踪”现象，并对其做出科学的、全面的、深入的分析和解释，对中国宏观经济的稳定、健康发展，中国预期物价水平的变动具有非常重要的现实意义。     

物流网络发展对区域经济的影响研究

我国快速发展的区域经济建设促进了中部地区物流网络的建立和发展,针对物流网络发展和区域经济之间复杂的联动效应,基于向量自回归理论建立了一种物流网络发展对区域经济联动影响的研究模型.以1996-2012年中部6省的经济数据和物流行业相关数据为基础,应用向量自回归模型分析物流网络发展对区域经济的影响.结果表明,虽然物流行业的发展并非当前经济增长的主要原因,但近5年中部6省物流网络发展对经济增长的促进作用较为明显,中部地区仍需协调规划物流运输网络建设,进一步完善物流网络基础建设.     

基于VAR模型的河南省耕地保护研究

我国经济的持续快速发展使土地资源面临着前所未有的巨大压力,文章建立了河南省耕地面积、粮食产量、农民收入的VAR模型,并对三者进行了协整检验和脉冲分析,认为增加农民的粮食收入是进行耕地保护的治本策略;同时,在粮食连年增产的形势下,不可忽视对耕地的保护。     

对矩阵的初等行变换若干应用的阐述

阐述了矩阵的初等行变换的几点应用。利用矩阵的初等行变换可讨论矩阵的可逆性,并求逆矩阵;利用矩阵的初等行变换,可解矩阵方程;利用矩阵的初等行变换,可求矩阵的秩及矩阵的最高阶非零子式;利用矩阵的初等行变换,可讨论线性方程组解的存在性,并求解线性方程组;利用矩阵的初等行变换,可讨论向量是否可由一个向量组线性表示;利用矩阵的初等行变换,可讨论向量组的线性相关性;利用矩阵的初等行变换,可求向量组的秩及其极大无关组。     

浙江省低碳经济与经济转型关系的实证研究

本文首先利用层次分析法,构建浙江省低碳经济发展与经济转型综合评价体系。进而运用格兰杰因果检验法,确定低碳经济发展与经济转型间因果关系。最后,对低碳经济发展与经济转型的综合评价指标建立VAR模型,揭示变量间数量特征。