STR—ECM模型非线性协整关系检验问题研究

文章首先运用基于剩余平方和的F统计量实现协整对非协整、线性协整对非线性协整,以及ES-TR-ECM对LSTR-ECM的检验。其次,用蒙特卡洛10000次试验给出F1、F2、F3统计量的临界值,并模拟数据对有限样本下F1、F2、F3统计量的功效进行检验。最后,用文章的研究与有关研究的统计量进行比较分析,仿真实验表明:提出的检验统计量具有较好的有限样本性质,因此其可行性和适用性较强。

Block Bootstrap方法在季节时间序列单位根检验中的应用

传统的参数类检验方法存在参数极限分布非标准、参数解析式推导烦琐、差分平稳后序列均值难估计等问题。为了避免上述问题,文章改进季节时间序列单位根检验方法,首先基于非参数Block Bootstrap方法提出BB-HEGY检验统计量,并给出临界值;其次,通过比较BB-HEGY统计量和传统的HEGY统计量的有限样本性质,发现BB-HEGY统计量具有更好功效和检验水平,尤其在季节频率上有更明显的优势;最后,通过对中国宏观经济指标的实证检验,进一步证明BB-HEGY检验统计量的优越性。

基于Sieve Bootstrap方法的季节时间序列模型检验问题研究

研究目标:完善季节时间序列模型建模理论,解决建模过程烦琐、各类检验方法的结论差异大以及模型误设定问题。研究方法:基于对各季节时间序列模型的数理分析及比较,提出合理的模型检验程序;再运用Sieve Bootstrap方法,给出季节性单位根检验及确定性季节过程检验的统计量的临界值,并比较基于Sieve Bootstrap的检验方法与HEGY检验、BT检验的异同。研究发现:本文提出的检验程序能有效识别模型,检验统计量有限样本性质优良;实证分析表明,本文提出的检验程序及方法能更有效地识别中国宏观经济数据中的季节性。研究创新:将Sieve Bootstrap方法应用于季节时间序列的平稳性检验及趋势性检验中。研究价值:提出季节时间序列模型检验程序及检验方法,促进其在季节性经济数据中的应用。

社交网络平台非正式科学交流的探讨——基于Evolutionary Biology学科Altmetrics数据计量

随着社交网络平台（social networking services,SNS）的发展,学术文献在SNS上开始广泛传播,也促进了科学家在SNS上进行学术交流,这对学术生态产生了极大的冲击。学术文献在SNS传播是科学家之间的＂非正式学术交流＂和科学家与公众之间的＂非正式科学传播＂在SNS平台上的延展。本文对30290篇进化生物学（evolutionary biology）Wo S文献数据和Altmetric.com平台Twitter转载数据进行了时间和空间计量及比较分析,对学术文献SNS交流活动进行解读。研究发现,第一,正式交流和非正式交流之间的相互影响较弱,并且Altmetrics主要受到社交网络平台交流的影响;第二,社交网络平台交流偏好于非正式科学传播,是一种新型的＂社交网络＋科普＂科学传播模式;第三,社交网络平台的交流存在时空特征,在交流时间上易＂来也匆匆,去也匆匆＂,在交流地域上也具有较高的国家倾向性。