面板向量自回归

摘要： 以2005—2019年31个省市数据为样本,运用PVAR模型,实证检验了住宅价格、居民消费和城镇化自身及相互之间影响关系。结果表明:三者之间存在完整、连贯的互动关系。住宅价格上涨促进居民消费增加,居民消费增加提升了城镇化水平,住宅价格对城镇化水平的影响是正向的。城镇化水平提升有利于居民消费水平增长,居民消费增长促进住宅价格上涨,城镇化水平提升对住宅价格的影响是正面的。依据分析结果提出了住宅价格、居民消费以及推动城镇化发展的建议。

摘要： 基于某大型石化企业危化品运输车队2年的驾驶舱监控数据,利用面板向量自回归模型,分析了4类危险驾驶行为之间的因果关系。结果表明,分神驾驶是导致违规驾驶的直接原因,而疲劳驾驶只是导致违规驾驶的间接原因;疲劳驾驶和分神驾驶之间存在显著的双向因果关系;对抗驾驶和分神驾驶这2种危害路径具有一定的互斥性。

摘要： 近年来,创新日益成为企业竞争及国家经济高质量发展的关键。本文基于2010—2019年中国先进制造业上市公司数据,实证研究政策性金融对我国先进制造业企业研发创新活动的作用,并从生命周期视角研究政策性金融对企业创新的激励效应及其差异性影响。研究结果表明:(1)对于先进制造业,受到政策性金融支持的企业创新能力更强,具体表现在其创新投入和创新产出更高。(2)从生命周期阶段来看,政策性金融对先进制造业企业创新的影响具有差异性。具体而言,政策性金融的提升作用集中体现在处于成长期和成熟期的企业上,对初创期企业的影响不明显。本文研究有利于深入认识政策性金融在先进制造业发展中的作用,为政策性金融更好地服务企业技术创新提供了参考思路和微观经验证据。

摘要： 网络人口快速增长的同时,地区之间网络人口的发展差距也逐渐加大.利用描述性统计分析和面板聚类分析方法对2001-2016年中国31个省份的网络人口分布特征进行分析,建立面板向量自回归模型实证检验网络人口与各影响因素之间的相互作用.结果表明,中国的网络人口数量从东到西呈递减趋势;31个省可以分为4类.对外开放程度和经济因子是网络人口分布的重要影响因素;以高学历占比为衡量指标的教育发展水平,对网络人口分布起着门槛作用;当互联网普及率大于大专以上学历人口占比时,教育发展水平对网络人口发展产生负面影响,并且随着时间的推移,这种影响将越来越强;网络人口与各影响因素之间存在相互作用.这些发现对网络人口和数字经济的发展具有深远的影响.

摘要： 文章以2002年-2018年30个省、自治区、直辖市的数据为基础,首先基于面板向量自回归模型对中国影响居民健康支出的主要影响因素进行实证分析。其次采用面板门槛模型实证检验能源消费和能源结构在雾霾污染对居民健康支出的影响中是否存在门槛效应。研究结果表明能源消费、能源结构、经济发展水平、环境污染是影响居民健康水平的重要因素。随着能源消费总量的增加和第二产业占GDP比重的增加,PM_(2.5)浓度对居民健康支出的影响都存在单一门槛效应。同时,由于不同省际间能源消费和能源结构存在差异,也会影响各省份居民健康支出。

摘要： 以资源型地区综合改革配套实验区建设为背景,基于2005—2018年面板数据建构工业用能强度、用水强度及能源耗水系数,运用空间自相关方法分析工业能-水消耗的空间关联,利用PVAR模型探讨工业经济、工业耗能和耗水的动态时间关系。研究结论显示:资源型地区综合改革配套试验区的建设导致工业能-水的空间关联在总体和局部上均发生了变化,时间维度的分析显示工业经济发展分别和工业用水、工业用能相互影响。基于此,提出工业经济发展需要转变能源结构,改变传统的能水依赖关系;资源型地区综合改革配套试验区的建设应关注地区差异;避免工业经济、工业用能和用水的外生冲击,保证工业经济平稳发展,实现工业能水的高效利用。

摘要： 本文基于面板向量自回归模型,利用2005~2018年35个大中城市面板数据对房地产投资与就业间的关系进行研究,发现:房地产投资与就业量变化轨迹相似,二者具有明显的相关关系;房地产投资和就业量的变动并不同步,但二者间的相互作用在一定周期内显著;房地产投资对就业量具有显著的正向影响,并能够持续带动房地产行业就业;此外,就业量还呈现出依靠自身惯性发展的特点。

摘要： 城乡差距一直以来是中国政府持续关注的焦点,城乡收入差距过大可能造成多重经济社会问题,财政支出作为政府干预收入差距的重要宏观手段值得关注。文章基于2007—2019年省际面板数据,利用面板向量自回归(PVAR)模型,分区域考察各财政分项支出对城乡收入差距的调节效应,并因地制宜地为财政缩减城乡收入差距提供可持续建设思路。研究结果表明:财政支出中科教文卫支出占比的增加会缩减西部地区的城乡收入差距,对东部和中部地区无明显影响;财政支出中经济建设支出和社会保障支出占比的增加有利于缩减中部地区的城乡收入差距,扩大西部地区的城乡收入差距,对东部地区则无显著影响。总体而言,各财政分项支出调节城乡收入差距的脉冲响应波动情况存在着地区异质性。

摘要： 收入不平等无疑是世界上许多国家都客观存在的一种现象。对中国来说,城市化的稳步推进以及人力资本的积累是缓解城乡发展不平衡的根本保证。基于此,文章采用中国大陆31个省份2002—2018年的面板数据,运用面板向量自回归的方法(PVAR)研究城镇化发展和人力资本积累对于城乡收入差距的影响。结果表明:首先,城镇化发展以及人力资本存量的提高都能够显著缩小城乡收入差距,且后期具有较强的持久力;其次,城镇化的发展对城乡收入差距的影响具有滞后效应;最后,中国的城镇化的发展与经济因素相对独立,可能主要受外生变量如政府政策等因素的影响。

摘要： 基于2001-2020年的LUCC遥感数据对黑龙江省13个市(区)土地利用类型的时空演变特征进行分析,并采用PVAR模型实证分析了黑龙江省主要土地利用类型与经济增长水平之间的互动响应关系。结果表明:近年来黑龙江省土地利用效率有所提高,但土地供给压力增大,土地利用变化动态度较高,在一定程度上生态空间受到挤压;耕地、林地和草地3种土地利用类型间转移呈均衡转换态势,部分生态用地向建设用地转出;耕地面积的减少主要由于经济发展过程中建筑用地的侵占;相比于耕地和草地的影响,黑龙江省林下经济的发展会对未来经济增长产生更高的贡献度。

摘要： 本文基于地区发展视危,通过构建面板向量自回归模型,实证检验了二元财政、城乡差距与经济增长之间的关系效应,结合脉冲响应分析、方差分解结果以及Granger因果关系检验,揭示了三者的稳定性特征与互动影响效应.本文的主要结论为:二元财政的改善,也即增大非农投入的比重会阻滞经济增长,同时引致GDP的负向波动;城乡差距的增大会促进地区经济增长,同时也是影响GDP波动的重要因素,而经济增长会抑制城乡差距的扩大,这是"库兹涅茨曲线"形成的重要机理,不过我国尚未到达"拐点";二元财政与城乡差距间有着很强的因果关系,而且是单向的从二元财政传导到城乡差距.

摘要： 针对现有船舶溢油事故预测与污染治理相关研究中存在的局限性:①基于机器学习的预测方法容易忽略特征之间的因果关系;②基于计量模型的预测方法精度较低;③治理方面多数为定性的分析,缺乏以量化分析为支撑的治理研究.因此,提出了一种结合计量模型与机器学习算法的船舶溢油事故预测与污染治理方法.首先,采用VAR模型分析事故因素与事故起数之间的因果关系,抽取影响船舶溢油事故的关键因素;其次,采用GMM算法构建船舶溢油事故的预测模型;最后,基于预测结果的分析给出相应的船舶污染防治策略.实验结果表明,该方法对于原始数据有较好的拟合程度,尤其随着训练样本的增加,基于GMM算法的船舶溢油事故预测模型的精度在逐渐提升,能够为船舶溢油事故的预测提供新思路和可行的方法,为船舶溢油污染的防治提供量化决策依据.

摘要： 针对现有船舶溢油事故预测与污染治理相关研究中存在的局限性:①基于机器学习的预测方法容易忽略特征之间的因果关系;②基于计量模型的预测方法精度较低;③治理方面多数为定性的分析,缺乏以量化分析为支撑的治理研究.因此,提出了一种结合计量模型与机器学习算法的船舶溢油事故预测与污染治理方法.首先,采用VAR模型分析事故因素与事故起数之间的因果关系,抽取影响船舶溢油事故的关键因素;其次,采用GMM算法构建船舶溢油事故的预测模型;最后,基于预测结果的分析给出相应的船舶污染防治策略.实验结果表明,该方法对于原始数据有较好的拟合程度,尤其随着训练样本的增加,基于GMM算法的船舶溢油事故预测模型的精度在逐渐提升,能够为船舶溢油事故的预测提供新思路和可行的方法,为船舶溢油污染的防治提供量化决策依据.

摘要： 针对现有船舶溢油事故预测与污染治理相关研究中存在的局限性:①基于机器学习的预测方法容易忽略特征之间的因果关系;②基于计量模型的预测方法精度较低;③治理方面多数为定性的分析,缺乏以量化分析为支撑的治理研究.因此,提出了一种结合计量模型与机器学习算法的船舶溢油事故预测与污染治理方法.首先,采用VAR模型分析事故因素与事故起数之间的因果关系,抽取影响船舶溢油事故的关键因素;其次,采用GMM算法构建船舶溢油事故的预测模型;最后,基于预测结果的分析给出相应的船舶污染防治策略.实验结果表明,该方法对于原始数据有较好的拟合程度,尤其随着训练样本的增加,基于GMM算法的船舶溢油事故预测模型的精度在逐渐提升,能够为船舶溢油事故的预测提供新思路和可行的方法,为船舶溢油污染的防治提供量化决策依据.

摘要： 针对现有船舶溢油事故预测与污染治理相关研究中存在的局限性:①基于机器学习的预测方法容易忽略特征之间的因果关系;②基于计量模型的预测方法精度较低;③治理方面多数为定性的分析,缺乏以量化分析为支撑的治理研究.因此,提出了一种结合计量模型与机器学习算法的船舶溢油事故预测与污染治理方法.首先,采用VAR模型分析事故因素与事故起数之间的因果关系,抽取影响船舶溢油事故的关键因素;其次,采用GMM算法构建船舶溢油事故的预测模型;最后,基于预测结果的分析给出相应的船舶污染防治策略.实验结果表明,该方法对于原始数据有较好的拟合程度,尤其随着训练样本的增加,基于GMM算法的船舶溢油事故预测模型的精度在逐渐提升,能够为船舶溢油事故的预测提供新思路和可行的方法,为船舶溢油污染的防治提供量化决策依据.

摘要： 针对现有船舶溢油事故预测与污染治理相关研究中存在的局限性:①基于机器学习的预测方法容易忽略特征之间的因果关系;②基于计量模型的预测方法精度较低;③治理方面多数为定性的分析,缺乏以量化分析为支撑的治理研究.因此,提出了一种结合计量模型与机器学习算法的船舶溢油事故预测与污染治理方法.首先,采用VAR模型分析事故因素与事故起数之间的因果关系,抽取影响船舶溢油事故的关键因素;其次,采用GMM算法构建船舶溢油事故的预测模型;最后,基于预测结果的分析给出相应的船舶污染防治策略.实验结果表明,该方法对于原始数据有较好的拟合程度,尤其随着训练样本的增加,基于GMM算法的船舶溢油事故预测模型的精度在逐渐提升,能够为船舶溢油事故的预测提供新思路和可行的方法,为船舶溢油污染的防治提供量化决策依据.

摘要： 本发明涉及一种基于支持向量回归的配电网三相潮流线性化方法，属于配电网技术领域。该方法包括数据驱动的三相线性化潮流建模、支持向量回归、基于支持向量回归的三相潮流线性化和在线三相潮流线性化计算四大步骤。本发明采用数据驱动的方法，以支持向量回归为基础，对配电网潮流进行线性化近似，从而获得准确高效的电力系统潮流线性化模型。在线潮流计算只需要利用训练得到的三相潮流线性化模型进行潮流计算，在进行潮流计算时不需要进行矩阵求逆计算，潮流计算效率高，可以广泛应用于电力系统分析，从而获得高效准确的潮流分析结果。

摘要： 本发明公开了结合门限回归和改进支持向量机面板坝坝顶沉降预测方法，具体包括如下步骤：步骤1：获取沉降数据；步骤2：处理数据；步骤3：确定支持向量机核函数；步骤4：采用启发式的粒子群优化算法对支持向量回归机的正则化参数C，多项式核参数d，径向基核参数g进行优化选择；步骤5：建立结合门限回归和改进支持向量机的坝顶沉降预测模型；步骤6：结合建立好的结合门限回归和改进支持向量机的面板堆石坝坝顶沉降预测模型。该方法解决现有技术中的根据现有经验公式不能准确预测坝顶沉降的问题。

摘要： 本发明涉及一种基于词向量加权平均、支持向量回归和用户点击偏好的搜索推荐方法。其发明内容主要包括(1)提出一种基于搜索前缀语义相关性和用户点击偏好的搜索推荐模型；(2)提出一种基于支持向量回归的搜索前缀文本嵌入和内容文本嵌入的语义相关性计算方法；(3)提出一种基于迁移学习和用户点击偏好和的权重修正方法。

摘要： 本发明涉及一种基于自回归积分滑动平均与支持向量回归的降雨量预测方法，属于气象数据分析方法技术领域。本发明收集降雨量数据并生成降雨量数据库；获取降雨数据库中数据，并将每日降雨量数据转换为时间序列；然后将生成的时间序列导入自回归积分滑动平均模型中进行计算分析；同时利用遗传算法寻找支持向量回归模型的最优参数；再将生成的计算分析结果和生成的最优参数导入到支持向量回归模型中进行计算分析；最后根据计算分析结果，得到降雨量的预测结果。本发明使用自回归积分滑动平均模型以及支持向量回归模型对降雨数据进行处理，从而得到提高了降雨预测的准确性。

摘要： 基于支持向量机回归模型在深部煤含气量的预测方法，包括以下步骤：（1）数据获取：煤样含气量实测数据获取和煤样对应测井数据获取；（2）数据处理：测井数据的筛选和数据归一化处理；（3）模型建立：建立支持向量回归机模型（SVR）和模型核函数的选择；（4）模型验证。本发明以测井资料为基础，利用支持向量机回归模型（SVR）反演深部煤含气量，从经济方面而言，避免了大量的取芯及测试流程，很大程度上节省了成本。且测井资料具有相对廉价、数据量充足的优势，这对模型的建立提供很大便利，经济方面具有可行性。

摘要： 本发明公开了一种基于回归型支持向量机的电力负荷预测算法，包括以下步骤：S101、计算用户用电数据特征的权重；S102、对用户用电数据进行归一化；S103、产生训练集合和测试集合；S104、创建和训练SVR模型；S105、使用SVR进行仿真预测；通过对参数的取样及排序能够有效的降低采集对计算结果的影响，同时通过采用SVR算法，相较于其他的算法大大的提高了计算精度。

摘要： 本发明公开了一种基于支持向量机回归的磨削去除量预测方法，属于机器学习技术领域。该方法是使用支持向量机回归算法对实验数据进行训练和测试，得到支持向量机预测模型，从而实现对磨削去除量的预测；步骤：(1)数据处理：将实验数据分为训练集数据和测试集数据，并进行归一化处理；(2)构建SVR模型：设定预测模型参数，并对训练集数据进行训练得到预测模型；(3)测试SVR模型：利用预测模型对测试集数据进行测试；(4)判断SVR模型：判断测试结果是否满足要求；(5)预测去除量：如果测试结果满足要求，则保存预测模型并输出预测结果；否则重新选择预测模型参数并进行训练，直至测试结果满足要求。

摘要： 本发明公开了基于记忆多项式的支持向量回归的DPA建模方法，根据多管GaN Doherty功率放大器的强非线性和记忆效应，在已有的支持向量机基础上，输入项加入了记忆多项式模型{xi(n)*|xi(n)|}，{xi(n)*|xi(n)|2}，增加了输入数据与输出数据的联系，提升了多管GaN Doherty功率放大器行为模型输出的精确率，实现了高精度的多管GaN Doherty模型建立。解决了非线性强的多管GaN Doherty功率放大器建模难的问题，提高了建模精度。

摘要： 本发明涉及X射线荧光仪(XRF)元素定量分析领域，特别涉及一种支持向量机回归结合灵敏度分析的元素含量定量分析方法。是基于在XRF光谱的元素定量分析中，特征和元素具有明确的对应关系这一特点，通过训练样本集构建SVR模型，再通过SVR模型和灵敏度分析方法获得高灵敏度元素，基于高灵敏度元素和训练样本集构建经过特征降维后的SVR*模型，来实现元素的定量分析。与现有技术相比，本发明通过改变现有模型的特征输入，观察改变前后输出的变化即可得到特征的灵敏度系数，分析过程计算简单，复杂度小，有利于工程实现。分析过程中，未改变数据结构，定量分析精度和泛化能力更高，可广泛应用于元素的XRF定量分析领域。

摘要： 本发明涉及一种基于特征加权支持向量回归的股指预测方法、装置及介质，方法包括：利用训练好的支持向量机模型对股票指数进行动态预测；支持向量机模型的训练过程包括以下步骤：采集某一交易日的股票指数以及该交易日前的若干个交易日的技术指标数据集，构成训练集，技术指标数据集包括若干项技术指标数据；2)对训练集进行归一化处理；通过因子模型筛选算法从若干项技术指标数据中筛选出若干项参考技术指标数据，并构建表征各项参考技术指标数据的权重的特征权重矩阵；利用特征权重矩阵对支持向量机模型的核函数映射过程进行加权。与现有技术相比，本发明具有精度高、鲁棒性高、自动化、节约人力资源等优点。