基于贝叶斯模型平均的2003–2015年青海三江源地区地表蒸散发数据集

蒸散发(Evapotranspiration,ET)是陆地水、碳和能量交换的重要组成部分。基于不同模型和不同遥感数据估算的ET,存在不同程度的不确定性。贝叶斯模型平均(Bayesian model averaging,BMA)提供了降低不确定性的一种途径。本研究采用中国三江源地区水热通量观测数据,以ARTS、PT-JPL、MOD16和SSEBop遥感蒸散发产品为基础,进行了BMA集成研究,生成了三江源地区2003–2015年250 m空间分辨率的年均地表蒸散发数据集。通过验证各输入模型和BMA集成模型结果,发现基于BMA的ET与通量观测数据相关性达0.94,能够解释观测数据季节变化的89%,优于单个模型的性能。说明BMA模型集成能够整合不同模型内在优势,降低结果估算的不确定性,从而获得更可靠的估算结果。本数据集可为三江源区域水热变化研究和生态系统调节功能评估提供更精确的数据支持。

基于空间聚类和贝叶斯模型平均的重力坝分区安全监控模型

针对重力坝多测点的时空相似性和统计模型结构的不确定性,使用层次聚类方法对所有变形测点进行空间聚类,基于主成分分析提取各分区多测点综合位移,使用贝叶斯模型平均(BMA)建立了多测点综合位移的统计模型。以安康水电站重力坝垂线监测分区2为例,讨论了综合位移的复杂BMA模型与简约BMA模型的因子优选结果,并结合加权平均模型的定量分析给出了模型的优选因子。分析结果表明:库水位涨落对坝体位移的影响没有明显的滞后性;下游水位对坝体位移的影响非常小,建模过程中可以忽略相关因子;温度升降对安康水电站重力坝位移的影响有明显的滞后性,且基本需要维持15 d以上的高温或低温,坝体位移才会有明显变化。

探索中学生非认知能力发展的关键因素——基于贝叶斯模型平均法的估计

青少年非认知能力的培养正日益受到重视,但有关影响因素的研究还比较有限。本研究通过收集中国六个省市初高中学生的非认知能力及相关因素数据,并运用贝叶斯模型平均技术对50多个潜在影响因素进行了检验和识别。一个重要发现是:与人连接的“关系类”因素——父母的教养风格、学校的师生交流、同伴关系以及校园欺凌等,是青少年非认知能力发展最关键的因素。而在传统上被认为重要的“资源类”因素——学校资源、课外班学习以及父母养育时间的投入等,却与非认知能力的关联较弱。家庭经济社会背景仅预测了一小部分非认知能力。这表示不同于过去主要以学业成绩为产出、注重资源投入的方案,以非认知能力为产出的教育投资研究应转向对父母教养态度及策略、教师支持和沟通、同伴支持等与人连接因素的关注。本研究的发现也为教育投资突破家庭禀赋和学校资源约束,促进平等甚至阻断贫穷的传递提供了可作用的路径。

相依部件平均剩余强度的非参数贝叶斯估计

应力-强度系统是一种普遍的系统结构,估计系统平均剩余强度时通常假设部件间相互独立。然而,基于部件独立假设会造成平均剩余强度估计的不准确。利用copula理论建立部件强度间的相依关系,得到了系统平均剩余强度的表达式。采用非参数贝叶斯方法估计了系统的平均剩余强度,对串联系统和并联系统数据进行蒙特卡罗模拟,验证了方法的有效性。结果表明,在部件强度相依的情况下,基于独立假定的串联系统平均剩余强度被低估,并联系统的平均剩余强度则被高估。因此,系统部件间的相依影响不能忽略。

中国环境规制政策工具的比较与选择——基于贝叶斯模型平均(BMA)方法的实证研究

改革开放以来,中国政府逐步构建起了命令—控制型、市场激励型、公众参与型和自愿行动型"四维一体"的环境政策工具体系。针对不同政策类型工具的有效性,很多学者已经运用多种方法进行了大量研究,但大多数学者只关注其中某一种工具的治理效果,同时考虑所有政策工具效果的文献并不多见。本文首次运用贝叶斯模型平均(BMA)方法实证分析了不同类型环境政策工具在当前中国环境治理体系下的相对贡献程度,实证结果表明:命令—控制型工具和市场激励型工具仍然是当前中国治理环境污染最为有效的政策工具,公众参与型工具和自愿行动型工具的有效性相对较差。基于此,本文的政策建议是:首先,中国政府不仅需要构建完善的环保法律法规体系,更需要加大环保执法投入,提升环保执法的主动性;其次,中国政府应该进一步完善市场激励型工具,建立更加弹性化的排污收费标准和更为严格的排污惩罚制度,推动排污权交易制度更广泛地实施;再次,积极推动社会公众参与环境保护,降低社会公众的参与成本,使得社会公众能更加便捷地参与环境治理;最后,积极鼓励非政府组织、企业发起自愿性环保项目,对于推动环保标准的提升和环保法律法规的逐步完善,加强居民、企业的环境保护意识具有重要意义。因此,全社会环境问题的治理是一个系统性工程,必须采取相应的措施,充分运用命令—控制、市场激励、公众参与、自愿行动等正式和非正式的环境治理措施,形成一个有机、有序的环境治理体系,才能提升所有环境规制政策工具的有效性,促进经济社会可持续发展。

中国经济增长的决定因素分析——基于贝叶斯模型平均(BMA)方法的实证研究

采用贝叶斯模型平均(Bayesian Model Averaging)方法,使用1990-2007年省际数据,对长期影响中国经济增长的诸多因素的有效性和稳健性进行了识别和检验。研究结论表明:高等教育发展阶段、工业化推进速度、对外开放程度、东部区位优势、消费能力和对内开放水平等6个解释变量对中国经济增长具有长期、持续和稳健的影响,是中国经济增长的长期决定因素。城市规模、中部区位优势和初始经济条件等3个解释变量对经济增长也具有一定的解释能力。此外,从解释变量对经济增长边际影响的程度来看,工业化推进速度变量对经济增长的边际影响最强,其次是消费能力变量和对外开放程度变量。

应用贝叶斯模型平均法建立东北云冷杉针阔混交林蓄积生长模型

根据金沟岭林场198块固定样地数据,分别使用逐步回归方法和贝叶斯模型平均法建立东北云冷杉针阔混交林蓄积量生长模型,分析林分蓄积生长与林分因子、气候因子的关系,并比较两种方法的预测效果。结果表明:贝叶斯模型平均法建模时将多个模型组合进行加权建模,减少了冗余变量,建立的模型较逐步回归更为准确;海拔、林分断面积、林分密度、林分平均胸径、低于0℃积温、低于18℃积温、参考蒸发量是影响林分蓄积生长的主要因素;逐步回归的决定系数(R^(2))为0.95,均方根误差(R_(MSE))为17.53;贝叶斯模型平均法的决定系数(R^(2))也为0.95,均方根误差(R_(MSE))为37.51。

中国城乡居民收入差距决定因素的实证研究——基于贝叶斯模型平均(BMA)法

城乡收入差距较大是我国经济社会面临的重要问题之一。本文基于2000—2013年全国30个省(自治区、直辖市)面板数据,采用贝叶斯模型平均(BMA)方法实证考察了我国城乡收入差距的稳健决定因素。实证结果表明,我国城乡收入差距表现出明显的动态持续性。从全国层面来看,我国城乡收入差距的稳健决定因素为支出法测度的财政分权、农村与城镇物质资本投资比较、金融发展。其中,支出法测度的财政分权、金融发展显著降低我国城乡收入差距,而农村与城镇物质资本投资比较则不利于我国城乡收入差距的缩小。从分区域层面来看,东、中、西三区域的城乡收入差距决定因素各有不同。在不同模型先验概率和不同参数先验概率设定下,本文得出的结论仍稳健。

基于贝叶斯模型平均(BMA)方法的中国房地产价格影响因素分析

对可能影响中国房价的诸多因素的重要性问题进行识别和检验,基于模型不确定性的视角,使用中国30个省（区）2002~2013年面板数据,采用贝叶斯模型平均（BMA）方法进行模型设定与分析。研究认为,在可能对中国房价产生影响的19个指标中,信贷政策、心理预期、物价水平、房屋竣工面积和产业结构合理化等5个解释变量的后验概率大于90%,它们是影响现阶段中国房地产价格的决定因素;应通过差别化的信贷政策分区域控制房价,通过新闻媒体公开统计和发布房地产数据正确引导人们的心理预期,通过适宜的货币政策有效控制物价,通过保障性住房建设增加房地产供给,通过合理化的产业结构引导房价调控等,促进中国房地产市场的健康发展。

中国生产性服务业发展的影响因素分析——基于贝叶斯模型平均(BMA)方法的实证研究

基于模型不确定性视角,选取2004-2015年省际面板数据,尝试利用贝叶斯模型平均方法对影响中国生产性服务业发展的重要因素予以识别和检验。研究结论表明:在事先选取的16个解释变量中,服务效率、工业化程度、经济发展水平、劳动力投入以及人口老龄化等5个解释变量是影响中国生产性服务业发展的主导因素,此外,专业化程度、人力资本投入以及基础设施水平等3个解释变量对生产性服务业发展也具有较好的解释能力。同时,证实了BMA方法在处理模型不确定性问题上优于单一模型。最后,提出了经济新常态下加快生产性服务业发展的政策建议。

基于贝叶斯模型加权平均方法的水文模型不确定性分析

贝叶斯模型加权平均(BMA)方法是通过综合几个模型预报值的后验分布来推断预报量的更可靠概率分布分析工具。它不仅能提供一个综合的预报值,还能提供一个综合的预报区间。本文采用3个水文模型,统一用SCE-UA算法率定参数,得到3组不同的预报值用于BMA方法的综合,着重分析比较BMA和单个模型的预报不确定性区间,来检验贝叶斯模型加权平均方法是否能提高预报的可靠性。结果表明,BMA方法不仅能提高预报精度,还能推求出性质更为优良的预报区间,提高预报的可靠性。

基于贝叶斯模型平均的径流模拟及不确定性分析

水文模型是模拟水循环过程重要手段,依靠单个模型进行模拟往往存在很大的不确定性,使通过多模型进行组合模拟成为必然趋势。选取3个集总式水文模型应用贝叶斯模型平均(BMA)进行流域月径流量的多模型模拟,采用期望最大化算法推求BMA分布参数以得到BMA均值模拟序列和90%不确定性区间。以武烈河实测数据为例进行分析,结果表明:BMA方法既能通过均值模拟提供更高精度的模拟效果,还可通过不确定性置信区间定量评价模型结构不确定性,为径流模拟提供丰富信息。

基于贝叶斯模型平均的水文模型不确定性及集合模拟

单一模型在水文过程模拟和预报中存在诸多不确定性,集合模拟是减少不确定性影响的有效方法。在水文模型参数估计的两类方法基础上(分别选用SCE-UA算法和SCEM-UA算法为代表),选用3个基于子流域的半分布式水文模型(新安江模型、混合产流模型和HYMOD模型),综合考虑模型参数和模型输入的不确定性,并采用贝叶斯模型平均(BMA)将3个模型的模拟结果集合进行概率预报。结果表明:SCE-UA算法和SCEM-UA算法优化的参数都能使模型取得较好的模拟效果,但SCEM-UA算法能得到模型参数的后验概率分布,并获取模型的概率预报区间,具有更大的优势;考虑模型输入不确定性,模拟径流的精度没有较大提高,但概率预报区间精度有一定的改善;采用BMA方法集合多模型模拟结果,综合考虑模型参数、模型输入和模型结构的不确定性,其模拟结果要优于单一模型,说明水文集合模拟的优越性;BMA集合后,SCEM-UA算法的模拟结果较SCE-UA算法的模拟结果具有更准确的概率预报区间。

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。

基于贝叶斯模型平均法的森林火灾预测模型构建研究--以云南省大理州为例

【目的】本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。【方法】利用2000-2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。【结果】通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。【结论】在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。

福建省技术创新能力的影响因素--基于贝叶斯模型平均方法的研究

基于创新效率的视角,采用研发全要素生产率测度技术创新能力,并且摈弃人为事先设定模型及变量以阐释技术创新的传统,引入模型(及变量)的不确定性,采用贝叶斯模型平均(BMA)方法对所有可能影响福建省技术创新能力的因素按照其重要性进行分类和排序。结果发现:企业及其创新投入不是决定其技术创新能力的重要因素;国际贸易和投资对技术创新能力的提升作用显著,但过度依赖加工贸易的作用为负。因此,提升福建省技术创新能力短期应坚持贸易和投资开放并注重其技术含量,长期应改变过度依赖加工贸易过度强调数量扩张的经济发展模式,使企业创新成为经济发展的主要动力。

发达国家主权债务危机成因分析及启示——基于贝叶斯模型平均方法的实证研究

本文用主权杠杆率来衡量主权债务偿付能力,采用OECD国家2001～2010年的面板数据,运用贝叶斯模型平均方法对影响主权债务偿付能力的诸多因素的有效性进行检验,并通过分位数回归模型对不同违约风险水平国家进行具体分析,研究表明:金融危机冲击、经济增长率下降、失业率升高、人口老龄化及政府预算收入降低是债务危机爆发的主要原因。因此,必须通过产业结构调整升级,发展实体经济来促进经济增长,才能从根本上解决发达国家的主权债务危机,这也是防范中国地方政府债务危机的关键所在。

汇率预测方法及比较:基于贝叶斯平均分类回归模型的检验

分类回归模型是回归模型家族的一个重要组成部分。文章针对现有的分类回归模型均采用选择性回归计算所存在的问题,建立了贝叶斯平均分类回归模型,并将其用于人民币汇率预测的实证研究。在实证研究时选取人民币对主要货币的汇率序列,对使用时间序列模型的预测结果与贝叶斯平均分类回归模型的预测结果进行对比分析,证明贝叶斯平均分类回归模型确实能够提高预测准确度。还使用贝叶斯平均分类回归模型对比分析了现有研究文献的预测效果,结果表明分类回归模型具有一定程度的优越性。

海洋环境因子对澳洲鲐亲体补充量关系的影响——基于贝叶斯模型平均法的研究

澳洲鲐(Scomber australasicus)是西北太平洋重要的中上层经济鱼类,生命周期相对较短,资源量受补充量影响明显,了解澳洲鲐太平洋群系补充量状况对掌握其资源量及确保其可持续利用具有重要的意义。本文利用产卵场1(30°～32°N,130°～132°E)海表面温度(sea surface temperature,SST1)、产卵场2(34°～35°N,138°～141°E)海表面温度(SST2)、索饵场(35°～45°N,140°～160°E)海表面温度(SST3)、潮位差(tidal range,TR)、太平洋年代际涛动(Pacific decadal oscillation,PDO)和亲体量(spawning stock biomass,SSB)6个影响因子任意组合与补充量构建多个模型,运用贝叶斯模型平均法(Bayesian model averaging,BMA)分析各个环境因子对资源补充量的解释能力,并预测其补充量的变化。结果表明,SSB对补充量具有最长期且稳定的解释能力,其次是SST3,PDO、TR、SST2、SST1也对补充量模型具有一定的解释能力。SST3是环境因子中影响最大的因子,可能是由于补充群体在索饵场内生活时间较长,索饵场温度对仔鱼或鱼卵的生长存活有较大的影响。研究认为,基于BMA的组合预报综合考虑了各个模型的优势,优于单一模型,可用于澳洲鲐资源补充量的预测。

基于贝叶斯模型平均方法的影响SHIBOR定价因素的实证

上海银行间同业拆放利率(SHIBOR)作为我国货币市场基准利率,研究影响SHIBOR定价因素有重要意义。文章提出利用贝叶斯模型平均方法来选择影响SHIBOR定价因素,使用随机搜索变量选择方法来有效的对模型集合中模型进行抽签。研究结果表明:一年期人民币银行贷款利率、回购利率、上一日SHIBOR报价和资金成本对上海同业拆借市场利率存在长期的正的影响,是影响SHIBOR定价的决定因素。