均匀乘积先验下幸福指数的Bayes估计

摘要

人们生活的幸福指数是当今学者们研究较多的课题，特别受到社会科学和统计学界的关注。本文运用Bayes估计的方法对幸福指数的传统模型进行了进一步的研究和改进。
　　本文介绍了幸福指数的历史背景，并分析了Bayes估计的研究现状。受这一领域研究成果的启发，本文主要做了以下工作:
　　首先，本文总结了幸福指数Bayes估计的传统方法，即选取先验分布为均匀分布或共轭先验Dirichlet分布，对参数进行估计;其次，在多级评分理论的基础上，考虑了人们评分时的心理因素，以此作为先验信息，把参数的先验分布修正为均匀分布的乘积。运用Bayes公式推导出后验分布的估计结果，并进一步得出幸福指数模型新的估计值;最后，通过该模型对2008年北京市幸福指数进行了Bayes估计，得到了比传统模型更好的估计结果，实现了改进的效果。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．1．1 选题背景

1．1．2 研究意义

1．2 Bayes估计的研究现状

1．3 本文主要内容、创新点以及拟采用的研究方法与路线

1．3．1 研究的主要内容

1．3．2 创新点

1．3．3 研究手段及技术路线

第2章 相关理论简介

2．1 Bayes估计

2．1．1 Bayes估计方法

2．1．2 Bayes估计的性质

2．1．3 先验分布的选取

2．2 多级评分理论及顾客满意度模型

2．2．1 多级评分理论

2．2．2 顾客满意度模型

第3章 基于Bayes估计的幸福指数研究

3．1 引言

3．1．1 多项分布

3．1．2 幸福指数的多级评分

3．2 多项分布的Bayes估计

3．2．1 多项分布Bayes估计先验分布的选取

3．2．2 多项分布的Bayes后验分布

3．3 多项分布的Bayes后验均值

3．3．1 Beta分布的相关理论

3．3．2 特殊先验下多项分布的Bayes后验均值

3．4 北京市幸福指数的实例

3．5 结果分析与比较

第4章 总结与展望

4．1 总结

4．2 展望

参考文献

致谢