【摘 要】
：
本文提出了一种贝叶斯潜变量倾向得分半联合模型（BS＿LVM＿PSA）,探讨了如何将潜变量纳入倾向得分分析,同时引入先验信息,利用半联合贝叶斯方法进行参数估计。通过两个数值模拟来测算BS＿LVM＿PSA在特定环境的性能,并将BS＿LVM＿PSA应用于实例数据。模拟研究显示:第一,潜变量能够降低预处理协变量测量误差,提高处理效应估计精度;第二,不同匹配方法下,贝叶斯方法相对于频率学派的处理效应估计精度
【基金项目】
：
国家社会科学重大项目（23＆ZD057）； 国家社会科学基金重点项目（21ATJ005）； 中央高校基本科研业务费专项资金（112/31512211201）； 科研培育与全员育人专项（科研培育（B类））（2722023DK041）；
论文部分内容阅读
本文提出了一种贝叶斯潜变量倾向得分半联合模型（BS＿LVM＿PSA）,探讨了如何将潜变量纳入倾向得分分析,同时引入先验信息,利用半联合贝叶斯方法进行参数估计。通过两个数值模拟来测算BS＿LVM＿PSA在特定环境的性能,并将BS＿LVM＿PSA应用于实例数据。模拟研究显示:第一,潜变量能够降低预处理协变量测量误差,提高处理效应估计精度;第二,不同匹配方法下,贝叶斯方法相对于频率学派的处理效应估计精度更高;第三,在小样本中,贝叶斯方法相比非贝叶斯方法预测精度和稳定性更高;第四,有先验信息的处理效应估计精度高于无信息先验,且在适度的先验精度下,处理效应估计更加可靠。实例分析中,利用本文提出的BS＿LVM＿PSA研究了社区扶贫政策的减贫效应。
其他文献
乡村振兴背景下民族地区移风易俗行动有其独特性,研究基于四川省凉山彝族自治州J、Y两县的实际调查,对影响民族地区移风易俗行动的主要因素思想意识包括传统观念影响、思维定势等进行剖析,提出乡村振兴背景下民族地区移风易俗行动在尊重各民族风俗习惯的基础上,要通过提升教育质量、发挥"关键少数"作用、多语言（方言）语音科普推广等方式积极推进,既保障各民族优秀传统文化的传承,激发中华文化的内在活力,弘扬时代新风行
本文利用2011-2019年中国省级区域的面板数据建立空间计量模型分析产业协同集聚对制造业高质量发展的营销机制。研究发现产业协同集聚不仅显著促进了本地区制造业的高质量发展,而且还通过知识和技术等外溢效应带动邻近地区制造业的高质量发展,但空间效应在区域和行业上存在明显的异质性。本中拓宽了制造业高质量发展的理论和测度,从理论和实证角度探究了产业协同集聚对制造业高质量发展的直接效应,为依据产业协同集聚促
近年来,甘肃省庆阳市在移风易俗、倡导文明新风尚等方面取得了可喜的成绩。为了巩固这一成绩,各县（区）探索"双签"模式,紧扣"关键少数",强化制度约束,进一步靠实责任,营造"干部大承诺、全民大践行"的浓厚社会氛围,使人们纷纷意识到了移风易俗的重要性,各县（区）很多乡村都相继成立了红白理事会,强力遏制恶性攀比之风,并且取得了明显成效。基于此,分析庆阳市推动移风易俗取得的成绩以及当地的陋习表现及影响,提出
信用评分系统在商业,金融,工程和健康等许多领域具有重要意义。Kolmogorov-S mirnov（KS）统计量是一种常用的评估信用评分模型的指标,Directly Maximizes the KolmogorovSmirnov （DMKS）是一种首次将KS统计量作为目标函数进行优化的信用评分方法。本文提出了一种基于DMKS信用评分方法以及交叉验证的模型选择方法,用于选择具有合适特征的信用评分模型
VaR和ES是衡量金融资产风险的重要测度,对风险控制和金融危机的识别具有重要意义。本文以CAViaR模型为基础,通过因子隐马尔可夫模型构造潜变量,作为CAViaR模型的回归系数的组成部分,最终提出了一个含潜变量的VaR和ES联合估计方法（FHM-CAViaR）,实现了VaR和ES的联合预测。在该模型中,潜变量由一个因子隐马尔可夫模型驱动,可以刻画市场信息对模型系数带来的长期效应与短期冲击,该因子隐
在我国大力实施乡村振兴战略的背景下,分析了移风易俗助推乡村振兴的四大着力点,建议通过发展乡村先进文化、激发主体活力、加强基层党建、强化创新驱动等措施,革除农村陈规陋习,实现正本清源,为实现乡村振兴战略铸造良好的基础。
针对具有隐藏故障和竞争失效模式的多态系统维修策略问题,提出了一种综合考虑隐藏故障损失成本、竞争失效模式、不完美检测、不完美维修等因素的多态系统维修建模方法。首先,描述了多态系统及其失效准则,并给出具体的视情维修策略;其次,推导了系统因隐藏故障而导致的损失成本,并对缺陷状态的不完美检测和不完美维修情形进行了数学描述;然后,分析计算了竞争失效模式下系统的两种更新情形及其发生概率,并基于此构建了多态系统
随着科学技术的进步,张量数据及相关方法在众多领域中得到了快速的发展和广泛的运用。一系列基于CP （CANDECOMP/PARAFAC）分解的张量回归也逐渐被提出,但是在实际问题中,传统的张量回归方法易受厚尾数据、异常值等因素影响,从而造成系数估计的偏差。鉴于此,本文提出基于Huber损失的稳健张量回归以及其稀疏形式,并构造了稳健块松弛算法及其稀疏算法,对其进行优化求解。同时,本文证明了稳健张量回归
传统统计分类方法应用于政务热线行业文本分类问题时存在一定系统性偏差。为了修正系统性偏差,进而减少由误分类导致的额外人力和时间成本,本文将朴素贝叶斯模型作为基准分类器,在最大后验概率判别准则中引入修正系数,并基于验证集上的误分类结果对修正系数进行学习,将其应用于政务热线的行业文本分类中。实证结果表明,修正后分类器的分类精确度比基准分类器提升了至少1个百分点,使误分类样本量减少了4个百分点。由于政务热