导读:本文包含了得分模型论文开题报告文献综述及选题提纲参考文献，主要关键词:大数据,网络调查样本,入样概率,目标变量
得分模型论文文献综述
刘展,潘莹丽[1]（2019）在《大数据背景下网络调查样本的建模推断问题研究——以广义Boosted模型的倾向得分推断为例》一文中研究指出随着大数据和网络的不断发展,网络调查越来越广泛,大部分网络调查样本属于非概率样本,难以采用传统的抽样推断理论进行推断,如何解决网络调查样本的推断问题是大数据背景下网络调查发展的迫切需求。本文首次从建模的角度提出了解决该问题的基本思路:一是入样概率的建模推断,可以考虑构建基于机器学习与变量选择的倾向得分模型来估计入样概率推断总体;二是目标变量的建模推断,可以考虑直接对目标变量建立参数、非参数或半参数超总体模型进行估计;叁是入样概率与目标变量的双重建模推断,可以考虑进行倾向得分模型与超总体模型的加权估计与混合推断。最后,以基于广义Boosted模型的入样概率建模推断为例演示了具体解决方法。(本文来源于《统计研究》期刊2019年09期）
周少甫,王文畅[2]（2019）在《得分驱动的已实现Wishart-GARCH模型及应用》一文中研究指出文章以银行业为例,基于股票逐笔交易数据,在得分驱动的已实现Wishart-GARCH模型的框架下,对银行业规模靠前的多只个股对数收益率的已实现协方差矩阵尝试多种降噪方法来进行建模以及预测,并检验预测效果。结果显示:该模型对于银行业个股间收益率的已实现协方差矩阵有着优于以往模型的良好预测效果。(本文来源于《统计与决策》期刊2019年11期）
曾庆敏,陈利根,龙开胜[3]（2019）在《土地征收对农户收入的影响效应分析——基于倾向得分匹配模型的实证》一文中研究指出被征地农户的生计问题关系社会稳定与经济发展大局,探讨征地对农户收入变化的影响具有非常重要的现实意义。基于北京师范大学中国收入分配研究院、国家统计局及国内外相关高校和研究机构共同完成的2013年中国家庭收入调查数据(CHIP),利用倾向得分匹配模型(PSM),分别从征地时间和地区差异两个维度实证分析了征地政策对农户收入的净效应。结果表明,在未考虑样本征地时间与地区差异的情况下,征地可以显着增加农户收入水平,且被征地农户家庭总收入均值明显提高3 151元,但简单均值对比分析明显高估了征地对农户增收影响效应。从样本的征地时间差异可知,征地对于农户收入的影响效应随时间推移呈现"先降后升"的趋势,征地时间周期越长农户增收效应越明显,家庭总收入的净效应从2 632元逐渐提高到5 257元。从样本的地区差异可知,土地征收对于农户收入效应呈现出明显的区域差异性,不同经济发展水平的地区征地对农户收入水平的变化呈现差异性,而东部地区征地对农民的增收效应最为明显,而中西部地区征地并不能明显带来农户收入的增加。为切实提高中西部地区被征地农户收入水平,需要继续进一步完善农地的"叁权分置"制度,鼓励闲置土地进行流转,结合农户特征与意愿提供多种形式的就业技能培训,适度提高中西部地区征地补偿标准,采取多元化的补偿安置模式。(本文来源于《农业现代化研究》期刊2019年02期）
翟晓婧[4]（2019）在《基于动态条件得分模型的风险测度和MCS检验》一文中研究指出本文在研究动态条件得分模型(DCS)的基础上,通过构建风险测度模型对我国股市的风险进行了度量。(本文来源于《时代金融》期刊2019年02期）
刘展[5]（2018）在《基于倾向得分多层模型的非概率抽样统计推断》一文中研究指出文章针对具有嵌套结构数据的网络候选者数据库,提出基于倾向得分多层模型的非概率抽样推断方法:根据网络候选者数据库的调查样本和参考样本,构建多层回归模型对倾向得分进行估计,并将倾向得分估计的逆作为网络候选者数据库调查样本的调整权数来估计总体。结果显示,基于倾向得分多层回归模型的总体估计效果较好,比基于倾向得分Logistic模型的总体估计的偏差更小,效率更高。(本文来源于《统计与决策》期刊2018年23期）
赵正,侯一蕾,温亚利[6]（2018）在《精准扶贫项目与农村居民收入增长——基于倾向得分匹配模型的分析》一文中研究指出基于2016年对秦岭地区561户贫困农户进行的问卷调查数据,采用倾向性匹配得分法分析了农户参与精准扶贫项目对其收入的影响,并对结果的平衡性进行了检验。研究表明:(1)在参与精准扶贫项目后,农户的真实收入水平得到了不同程度的提升;(2)就不同扶贫模式对收入的提升作用而言,生态旅游模式的作用最为显着,合作社和贫困补贴模式次之,整村推进模式的作用相对较小;(3)就不同扶贫模式下收入的绝对值而言,农户在贫困补贴模式和合作社模式下的收入较高,生态旅游模式和整村推进模式下的收入较低;(4)当前农户对精准扶贫项目的参与存在选择性偏差和内生性干扰,这些因素共同导致了精准扶贫政策的作用被低估甚至误判。基于以上结论提出了若干对策建议。(本文来源于《统计与信息论坛》期刊2018年11期）
刘展[7]（2018）在《基于倾向得分广义线性模型的非概率抽样统计推断研究》一文中研究指出候选者数据库网络调查下非概率抽样的统计推断问题是网络调查发展中迫切需要解决的问题.提出基于倾向得分广义线性模型的非概率抽样推断方法:将网络候选者数据库的调查样本与参考样本结合,建立Logistic、Probit、C-log-log叁种广义线性模型来估计倾向得分,并对网络候选者数据库的调查样本进行倾向得分未加权比例的分组调整与倾向得分加权比例的分组调整来估计总体.研究结果表明:基于倾向得分广义线性模型的总体估计效果较好,并且使用调查权数的Logistic与C-log-log倾向得分未加权比例的分组调整估计最为稳健.(本文来源于《数学的实践与认识》期刊2018年16期）
李锴,齐绍洲[8]（2018）在《贸易开放、自选择与中国区域碳排放绩效差距——基于倾向得分匹配模型的“反事实”分析》一文中研究指出要评估贸易开放地区和贸易相对封闭地区的碳排放绩效差距问题,就要考虑贸易开放地区的自选择问题。根据1999—2014年中国省区样本数据,将总体样本分为贸易开放地区样本和贸易相对封闭地区样本两组数据,基于准实验的"反事实"研究设计,构建倾向得分匹配模型(PSM),建构与贸易开放地区样本之协变量相类似的贸易相对封闭地区样本,进而评估各种平均处理效应,以降低选择偏误估计误差。研究结果显示:贸易开放地区的全要素碳排放绩效比贸易相对封闭地区平均高0.692~1.009;从贸易开放地区的平均处理效应来看,其全要素碳排放绩效比假定封闭时平均要高1.111~1.635;而贸易相对封闭地区的平均处理效应显示,该地区的全要素碳排放绩效与假定该地区贸易开放时平均低0.478~0.739。结果变量为人均碳排放的平均处理效应估计值表明,贸易开放对人均碳排放的影响显着为负,贸易开放地区人均碳排放比贸易相对封闭地区平均少0.648~0.709吨/人。而使用非参数回归的估计量、基于匹配样本和倾向值的计量回归分析也证实贸易开放可以提高碳排放绩效,促进节能减排。(本文来源于《财贸研究》期刊2018年01期）
欧玉芳[9]（2018）在《基于倾向得分匹配模型的“211工程”评价——兼谈对我国世界一流大学建设政策的启示》一文中研究指出基于7年的面板数据,本文构建PSM模型评估了我国第一层次的世界一流大学建设政策——"211工程"对建设高校的学术论文、学术专着、研发课题、硕士生、博士生、技术转让合同和技术转让收入产生的数量效应。研究发现,与传统的直接将"211工程"高校与非"211工程"高校相比的做法相比,倾向得分匹配法解决了研究样本存在的选择性偏差和可比性问题,得到的估计结果更有说服力;"211工程"对学术论文、研发课题、硕士生和博士生产生了积极效应,但对学术专着产生的效应不显着,甚至对技术转让合同和技术转让收入产生了消极效应;"211工程"对理工类建设高校的相关变量产生的效应均要高于综合类建设高校相应变量产生的效应。研究结论能为我国新一轮世界一流大学建设项目的设计、完善以及建设路径的选择提供实证依据。(本文来源于《教育发展研究》期刊2018年03期）
黄菁菁,原毅军[10]（2018）在《基于倾向得分匹配模型的产学研合作与企业创新绩效研究》一文中研究指出基于辽宁省企业经济信息库中企业技术能力的调研数据,利用倾向得分匹配方法控制参与产学研合作的内生性,对是否参与产学研合作、产学研合作研发强度对企业创新的影响及其作用机制进行实证分析.研究发现,参与产学研合作将显着提升企业的创新绩效,若忽略内生性影响将低估参与产学研合作的作用效果;产学研合作研发强度与企业创新绩效间呈U形关系;此外,产学研合作主要通过提升研发投入的使用效率来促进企业创新,但其不能显着提高人力资本投入的效率,即参与产学研合作会显着提高企业研发投入对创新产出的边际贡献率.(本文来源于《研究与发展管理》期刊2018年02期）
得分模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章以银行业为例,基于股票逐笔交易数据,在得分驱动的已实现Wishart-GARCH模型的框架下,对银行业规模靠前的多只个股对数收益率的已实现协方差矩阵尝试多种降噪方法来进行建模以及预测,并检验预测效果。结果显示:该模型对于银行业个股间收益率的已实现协方差矩阵有着优于以往模型的良好预测效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
得分模型论文参考文献
[1].刘展,潘莹丽.大数据背景下网络调查样本的建模推断问题研究——以广义Boosted模型的倾向得分推断为例[J].统计研究.2019
[2].周少甫,王文畅.得分驱动的已实现Wishart-GARCH模型及应用[J].统计与决策.2019
[3].曾庆敏,陈利根,龙开胜.土地征收对农户收入的影响效应分析——基于倾向得分匹配模型的实证[J].农业现代化研究.2019
[4].翟晓婧.基于动态条件得分模型的风险测度和MCS检验[J].时代金融.2019
[5].刘展.基于倾向得分多层模型的非概率抽样统计推断[J].统计与决策.2018
[6].赵正,侯一蕾,温亚利.精准扶贫项目与农村居民收入增长——基于倾向得分匹配模型的分析[J].统计与信息论坛.2018
[7].刘展.基于倾向得分广义线性模型的非概率抽样统计推断研究[J].数学的实践与认识.2018
[8].李锴,齐绍洲.贸易开放、自选择与中国区域碳排放绩效差距——基于倾向得分匹配模型的“反事实”分析[J].财贸研究.2018
[9].欧玉芳.基于倾向得分匹配模型的“211工程”评价——兼谈对我国世界一流大学建设政策的启示[J].教育发展研究.2018
[10].黄菁菁,原毅军.基于倾向得分匹配模型的产学研合作与企业创新绩效研究[J].研究与发展管理.2018