华东理工-张晨峰中级统计文献总结

结构方程文献总结首先，结构方程它是结构方程模型假定一组潜变量之间存在因果关系 , 潜变量可以分别用一组测量变量表示 , 是某几个测量变量的线性组合 。通过验证测量变量之间的协方差 , 可以估计潜变量之间的路径系数 , 从而在统计上检验所假设的模型对所研究的过程是否合适 。 如果证实所假设的模型合适 , 就可以确定潜变量之间关系的假设是合理的 。然后，它的基本模型是：方程( 1 ) 和( 2) 是测量模型 , 表示潜变量( , )是如何通过测量变量( X , Y ) 间接测量的 。方程 ( 3)是结构模型 , 表示潜变量之间的因果关系 。 为外生潜变量 , 为内生潜变量 。 B 表示内生潜变量之间的关系 。 表示外生潜变量对内生潜变量的作用 , 是模型中未能解释的部分 。基于结构方程模型的岗位评价研究1. 模型设定建立评价体系建立岗位评价路径图（画图，表达逻辑关系）在岗位评价的结构方程模型中 , 劳动责任 、 劳动环境 、 劳动技能和劳动强度为外生潜变量 , 岗位相对价值为内生潜变量 。基于上述变量间的关系 , 我们可以得到岗位评价的结构模型 , 表达式如下 :式中 , j ( j =1 , 2 , 3 , 4) 表示第 j 个外生潜变量j 对内生潜变量 ( 岗位相对价值) 的影响系数 。测量模型：2. 模型估计：数据获取计算要素点数权重计算（参数估计法为极大似然估计法M L）根据运算后的路径图 , 我们可以得到模型中每一个潜变量和测量变量的路径系数 。 通过归一化处理可以确定权重 。3. 模型评估：看拟合结果，拟合指标来看 , 卡方检验值等，看整体拟合优度（把那些指标写上）4. 结论：本文在进行岗位评价时 , 从劳动责任 、 劳动技能 、 劳动强度 、 劳动环境 等四个方面进行系统的衡量 、 评比和估价 , 并据此确定各要素点数 。结构方程模型的采用 , 使岗位评价各要素权重的确定更加具有客观性 , 克服了已有因素计点法研究中直接对评价要素采用专家打分的主观性（建议啊等等）中部地区乡镇企业绩效的影响因素分析假说1（H1）：政府行为对乡镇企业的绩效有正向影响；假说2（H2）：融资环境对乡镇企业的绩效有正向影响；假说3（H3）：社会资本对乡镇企业的绩效有正向影响；假说4（H4）：企业创新对乡镇企业的绩效有正向影响；假说5（H5）：企业家能力对乡镇企业的绩效有正向影响；假说6（H6）：经营资源对乡镇企业的绩效有正向影响。1. 确定模型根据假设，画出结构方程图确定测量变量：进行外生潜变量的测定：设计调查问卷，获取数据，进行统计行描述，然因子分析，公因子数为6，经过旋转得到结果。接下来同前面文献。本文实证分析表明，经营资源、企业家能力、社会资本对山西省乡镇企业绩效影响显著；政府行为、融资环境、企业创新对山西省乡镇企业绩效影响不显著。政策呀建议呀中国城镇居民福利水平影响因素分析收入与幸福指数结构方程模型构建见test主成分分析和因子分析总结1.主成分分析概念：利用降维的思想，在损失很小信息的前提下把多个指标转化为几个综合指标的多元统计方法，转化生成的综合指标称为主成分，每个主成分是原始变量的组合且各主成分之间各不相关。方差贡献率&方差累计贡献率从相关矩阵出发&从协方差矩阵出发求解主成分：相关系数矩阵就是随机变量标准化后的协方差矩阵。通过随机变量的标准化,相关系数矩阵剥离了单个指标的方差,仅保留指标间的相关性,用相关系数矩阵计算主成分,其优势效应仅体现在相关性大、相关指标数多的一类指标上。而研究目的与单个指标的方差毫无关系,此时再考虑单个指标方差对优势效应的影响,即用协方差矩阵进行主成分分析,不仅不能达到研究的目的,反而会对研究目的起负面影响。步骤：（1）对原来的p个指标进行标准化，以消除变量在水平和量纲上的影响（2）根据标准化后的数据矩阵求出相关系数矩阵（3）求出特征方程的特征根和特征向量（4）计算主成分贡献率及累积贡献率（5）确定主成分（6）计算主成分载荷（7）计算主成分得分（8）对各主成分所包含的信息给予适当的解释2. 因子分析概念：是主成分分析的推广，利用降维的思想，由原始变量相关矩阵内部的依赖关系出发，把一个具有错综复杂关系的变量归结于少数几个综合因子的一种多元统计分析方法。公共因子&特殊因子因子载荷因子旋转：因子分析要求提取出的公因子有实际意义，但是大部分因子分析的结果中，各因子和原始变量之间额关系并不明显，为了使因子载荷矩阵中系数更加显著，可以对初始因子载荷矩阵进行旋转，使因子和原始变量间的关系进行重新分配，相关系数向0-1分化。步骤：原始变量的检验，计算所有变量的相关系数矩阵，使用KMO检验（越接近1越好）和Bartlett球度检验来判断原始变量是否可用于因子分析；提取因子，确定能够解释观测变量之间相关关系的最小因子个数；进行因子旋转，通过坐标转换使因子解得实际意义更容易解释；计算因子值，主成分分析和因子分析的区别（ppt）基于主成分分析的国有商业银行竞争力评价研究1. 银行竞争力评价指标体系库提取主成分因子的模型为Fi = T i 1X 1 + T i 2X 2 + + T i k X k ,( i = 1 , 2 , , m ) , ( 1 )式中, Fi 为第i个主成分因子;Ti j 为第i个主成分因子在第j个指标上的负载;m为提取主成分因子的个数;k为指标的个数2.计算主成分，得到综合得分（各主成分所对应的贡献率为权数进行加权求和）：对原始数据 1 1 15进行无量纲化处理,得到标准化的数据后,利用SPSS10. 0软件的因子分析功能进行分析,计算标准化数据的相关系数矩阵、特征根和特征向量、方差贡献率、主成分负载。3.斜交旋转（因子分析模型中解释因子的方法。它可以在不改变模型拟合程度,不改变每个变量的公因子方差的基础上,通过改变坐标轴的位置,重新分配各个因子所解释的方差的比例,使主成分因子结构更简单和易于解释。）不同银行每个主成分的排名与最后的综合排名之间并不一致,甚至会有很大差距,因此,找出影响每个主成分因子的因素及其影响程度，采用OBLIMIN方法对因子负载矩阵进行斜交旋转。斜交旋转后的因子负载矩阵及主要影响因素的综合负载，进行排序得到结果。基于全局主成分分析的我国省级行政区城市化水平综合评价1、 确定方法，主成分分析，概念，模型2、 指标体系的构建，获取数据，分别从相应年份的 中国统计年鉴选取13个与城市化发展密切相关的指标，构成城市化发展水平综合评价指标体系，对部分指标进行了计算，转化为百分比指标 人均指标及单位面积指标，以消除量纲的影响3、 同上，采用了方差最大正交旋转法，以使因子载荷值尽量向0和1两极偏离，便于信息的提取和对主成分命名，分析结果来看，城市人口占地区总人口的百分比 二三产业就业人数比例建成区面积占国土面积的比例 每万平方公里的县级区划数在第一主成分上均有超过0.8的载荷值，表明与第一主成分的相关系数较高，可命名为人口结构城市景观主成分4、 计算综合得分：三个主成分分别代表了城市化发展的不同方面，且保留了原始指标的大部分信息，因此，可以以三个主成分的特征值之和来代表它们表达的总信息量，以其特征值 （方差）占总特征值 （总方差）的百分比为权重，将各省级行政区三个主成分的得分进行加权汇总；其计算公式为：从各省市自治区城市化发展水平综合得分来看 不同地区差异较大。基于因子分析的中国商业银行绩效评价1、 确定方法，因子分析，模型概念其中，F为X的公共因子或潜因子，矩阵a为因子载荷矩阵，e为X的特殊因子2、 综合考虑商业银行经营情况及数据可获得性，从流动性安全性盈利性效率性规模性等五个方面设计绩效评价指标体系，获取数据（方法）应用KMO和Bartletts Test 得到KMO=0.8860.7且Bartlett 球型检验P=0.000.05，可以进行因子分析3、 spss处理，得到15个指标相关矩阵R的特征值方差贡献率和累计方差贡献率 按照累计贡献率大于1的原则，选出5个主因子，其累计方差贡献率为94.219%，表明5个主因子已经包含了15个指标的大部分原始信息；计算原始指标的初始载荷矩阵时，发现各个因子的典型代表指标的经济意义不明确，难以得到合理解释，故对因子进行旋转；根据指标的经济意义，给各主因子一个合适的名称，具有高载荷值的指标对该因子名称影响较大4、 银行绩效评价模型的构建及综合评估经过SPSS软件运算，13家商业银行绩效各项因子得分以及综合得分排列5、 结论建议基于因子与聚类分析的中国建筑业产业竞争力研究和聚类分析相结合：根据指标特征,利用 S P S S ( 1 2.0 ) 软件在因子分析的基础上选择中间距离法作聚类分析,可以得 到 中国建筑业产业竞争力聚类分析 的谱系图,如图 2所示.聚类分析结果发现，中国3 1个地区的建筑业竞争力可以分为五类.进行集成分析评价：领先型集团，挑战型集团，追赶型集团，后进型集团因子分析法在区县经济综合指标评析中的应用时间序列分析时间序列：按一定的时间顺序对某种现象进行观测并记录下来的数据,有时也称为动态数列或时间数列。时间序列分析：是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。时间序列的平稳性：是指时间序列的统计规律不会随着时间的推移而发生变化。自相关函数检验法和单位根检验法（DF检验法和ADF检验法。）时间序列分析的应用范围：系统描述（曲线拟合方法）。系统分析（可用一个时间序列中的变化去说明另一个时间序列中的变化）。预测未来（ ARMA模型）。决策和控制（调整输入变量使系统发展过程保持在目标值上）。 时间序列分析与回归分析的异同：可以说时间序列分析也是一种回归。两者的区别在于：回归分析的目的是建立因变量和自变量之间关系的模型；并且可以用自变量对因变量进行预测。通常线性回归分析因变量的观测值假定是互相独立而且有同样分布。时间序列的最大特点是观测值并不独立。时间序列的一个目的是用变量过去的观测值来预测同一变量的未来值。即时间序列的因变量为未来变量的可能值。而用来预测的自变量中就包含该变量的一系列历史观测值。时间序列的自变量也可能包含随着时间度量的独立变量。组成部分（影响因素）：进行时间序列分析时，人们通常将各种可能发生影响的因素按其性质不同分成四大类：长期趋势、季节变动、循环变动和不规则变动。长期趋势(T)是指客观现象在一个相当长的时期内，受某种稳定性因素影响所呈现出的上升或下降趋势。时距扩大法 移动平均法 趋势线拟合法季节变动(S)是指客观现象由于受到自然条件或社会条件的影响，在一年内随时间的变化所呈现出的周期性变动。某时间序列包含以一年为周期的季波动，可以通过四季移动平均加以消除。 循环变动(C)是指客观现象持续若干年的周期变动。循环变动不同于长期趋势，它不是单一方向的持续变动，而是有涨有落的交替变动；它也不同于季节变动，因为循环变动的周期有长有短，没有规律。比如，商业循环、经济循环等。随机变动(I)是指客观现象由于偶然性因素引起的无规律的变动，这种变动一般无法作出解释。基于时间序列分解的生猪价格周期识别1、 经济时间序列的变化通常受到其自身的趋势（trend）、周期（cycle）、季节（seasonal）及不规则成分（irregular）的影响。时间序列分解旨在将经济时间序列中的趋势、季节和不规则成分分离出来，然后分析剩余的周期成分的统计特征。考虑到仔猪、生猪和猪肉市场之间的紧密联系，仔猪价格和猪肉价格对生猪价格的形成起着决定作用，本文试图利用生猪价格、猪肉价格和仔猪价格数据来探索生猪价格周期，生猪价格周期是指生猪价格围绕其长期趋势扩张和收缩而体现出的周期性波动。2、 获得数据用观测、调查、统计、抽样等方法取得被观测系统时间序列动态数据，做时序图看一般特征，发现猪肉价格的季节性比较明显。3、 根据动态数据作相关图，进行相关分析，求自相关函数。观察到各价格序列存在由季节性因素导致的很强的12（或24）阶自相关，可判断，仔猪、生猪和猪肉的价格波动表现出显著的季节性特征。4、 通过X-11季节调整方法对生猪月度价格资料进行季节调整，在此基础上使用H-P滤波法获得周期成分，然后分析周期成分的统计特征，从而对生猪价格周期做出判断和分析。5、 对生猪价格进行AR（1）检验，考察生猪价格是否存在自回归条件异方差效应，波动集聚效应，外部冲击对生猪价格的持续影响较为明显，较大幅度的波动后面紧接着较大的波动，较小幅度的波动后面连着较小的波动。6、 建议居民消费价格指数的时间序列分解预测法1、 时间序列概念，基本模型，对于具有趋势变动和季节变动的时间序列而言：2、 同，做时序图，分析走势特征，发现长期趋势和以月为固定周期的季节波动同时作用于该序列因而可以采用式3 所表示的混合时间序列模型来分解和预测居民消费价格指数3、 采用移动平均法得到居民消费价格指数序列Xt的季节变动因素，可知居民消费价格指数呈现明显的季节性变化；将居民消费价格指数Xt 除以相应月份的季节变动得到经过季节调整的居民消费价格指数序列 结果显示经过季节调整后的居民消费价格指数存在着长期趋势 因此我们对季节调整后居民消费价格指数进行趋势拟合，Holt两参数指数平滑；拟合残差序列，模型的拟合残差是一个白噪声序列说明拟合值序列对实际值序列有效信息的提取较为完整4、 模型拟合效果评价实际值与拟合值的相关系数计算预测准确度评价指标聚类分析系和判别分析中 国 城 市 充 争 办 聚 类 分 析1、 确定方法，聚类分析2、 确定解释性指标获取数据3、 聚类的计算：spss,欧式距离4、 结果分析基于判别分析的个人信用评分模型研究与实证分析在对个人 信用评分 的研究 中 , 分 组