基于间断时间序列的国家药品集中带量采购协议期满品种接续工作实施效果研究——以河北省为例

目的:为完善国家组织药品集中带量采购协议期满后的接续工作提出建议。方法:筛选2020年11月—2022年9月河北省国采第三批中采购期为一年的品种及相关可替代品种的采购数据,采用描述性统计和间断时间序列的方法,分析药品采购量、采购金额和日均费用三个指标的变化情况。结果:接续政策实施后,中选产品三个指标均下降,且变化不显著;未中选产品采购量、采购金额持续增加,日均费用持续下降;集采品种三个指标也呈不显著下降趋势;可替代品种短期内日均费用显著上涨,其采购量、采购金额无显著变化。建议:各地以稳定为核心科学制定接续规则,合理设定价格基线及区间,促进药品价格回归合理水平,同时加强可替代品种量价监测,逐步扩大集采品种。

一阶混合整数值负二项自回归模型

考虑复杂整数值时间序列数据的建模问题.首先,提出一类一阶混合整数值负二项自回归模型,并证明该模型的严平稳遍历性,讨论该模型的转移概率、期望、方差等概率统计性质;其次,研究该模型的最大似然估计问题,得到了估计量的渐近正态性,并在数值模拟的基础上进行实证分析.实证分析结果表明,该模型在拟合毒品犯罪次数数据时性能良好.

带常数项的向量误差校正模型的GMM估计方法

将Quintos研究的一类不带常数项的协整向量的GMM估计推广到带常数项的协整向量的GMM估计 ,利用Johansen的降秩估计法得到了参数的估计、渐近性分布。文中所得的结论包括了Johansen和Quintos两文中的结论。

降雨时间序列分解预测模型及应用

为了对随机型时间序列进行预测,在分析其性质的基础上,提出了将其分解为趋势项、周期项和平稳随机项,建立时间序列分解预测模型,分别对趋势项和周期项进行检验和提取,利用自回归模型人工合成新的序列对平稳随机项进行模拟和预测。将该模型应用于降雨量预测,取得良好效果,表明了该模型的有效性和适用性。

时间序列模型在查哈阳农场降雨量预测中应用

将时间序列模型分解为趋势项、周期项和随机项,并分别对各项进行提取建立预测模型。将该模型应用于查哈阳农场1956—2008年作物生育期月降雨量的拟合预测,结果表明该模型能够揭示该地区作物生育期的月降雨量变化规律,为合理制定灌溉制度,节约用水,对于预测未来年份降雨的丰枯状况、水资源量的大小以及洪涝等方面都有重要的意义。

降水时间序列挖掘模型的建立和应用

针对时间序列分析涉及的主要内容将水文时间序列分解为趋势项、周期项、随机项,研究及汇总了各个组成项的变化规律,分别建立了各个组成项的数学模型,再将分解模型合成为水文时间序列的预测模型,并利用此模型预测和分析了柳州市水文时间序列的未来值。

CORS高程时间序列非线性趋势项模式识别与估计

针对传统线性模型拟合连续运行参考站(CORS)高程时间序列使测站运动趋势单一化的问题,提出一种基于CORS高程时间序列本身的非线性趋势项定量识别与估计方法。该方法首先用K均值聚类整体经验模态分解方法,对CORS高程时间序列进行分解;其次,基于排列熵理论对非线性趋势项定量识别,统计决策适合的趋势项模型,并估计模型参数。实验结果表明:基于排列熵的非线性趋势项定量识别方法避免了人为判别误差,准确地反映了序列自身的变化趋势;通过比较傅里叶、正弦函数、线性多项式三种模型的拟合效果,发现傅里叶模型拟合效果最佳。

连续时间复合二项模型多维精算量的联合分布

连续时间复合二项模型是由文献首先提出的.作为离散时间复合二项模型的连续化版本,连续时间复合二项模型的极限形式即为经典风险模型.为了得到该模型多维精算量的联合分布,该文引入了一列上穿零点,推导出该列上穿零点所构成的缺陷(defective)更新序列的更新质量函数.利用此更新质量函数及余额过程的强马氏性可以得到破产概率和包含破产时间,破产前余额,破产严重程度,破产前最大盈余,破产到恢复的最大赤字,整个过程的最大赤字等多维精算量的联合分布.由此联合分布得到其1-骨架链—离散时间复合二项模型的对应的联合分布,最后给出在1-骨架链中索赔额服从指数分布时这一特殊情况下相应多维精算量的联合分布的明确表达式.

基于半参数时间序列模型的我国人均国内生产总值的预测研究

将我国人均国内生产总值作为研究对象,基于半参数时间序列模型,利用R软件对数据进行分析,建立具有一阶自回归误差项的部分线性时间序列模型,结果表明该模型的拟合性较好,并采用该模型预测未来三年的数值,一定程度上扩充了现阶段时间序列数据的建模方法,同时也可为了解经济发展水平提供参考。

基于半参数时间序列模型的我国城市居民消费价格指数的预测研究

将我国城市居民消费价格指数作为研究对象,基于半参数时间序列模型,利用R软件对数据进行分析,建立具有一阶自回归误差项的部分线性时间序列模型,并与传统时间序列建模方法相对比,结果表明本模型的拟合性较好,最后预测未来三年的数值,一定程度上扩充了现阶段时间序列数据的建模方法,同时也可为了解居民生活水平提供参考价值。

GPS坐标序列噪声模型估计方法研究

随着空间观测技术的高速发展,GPS已成为大地测量领域重要的观测技术手段之一。全球IGS基准站积累了近20余年的位置时间序列,为大地测量及地球动力学研究提供了丰富的基础数据。GPS坐标序列不仅包含构造信号,也包含地表环境负载以及未模型化的误差等干扰源的影响,降低了GPS解的精度与可靠性。分析GPS时间序列,尤其是坐标时间序列非线性变化,进一步深入系统地了解GPS非线性变化起源及其影响机制,

多项分布滞后模型阶数确定方法的实证研究

针对研究经济现象时建立时间序列(PDLS)模型所遇到的模型滞后阶数确定问题,就多项分布滞后(PDLS)模型滞后阶数的确定方法进行了归纳,并通过对GDP与总人口间建立多项分布滞后(PDLS)模型的探讨,对滞后阶数的确定方法作了实证研究。

一类带干扰的两相依风险模型的破产概率

将考虑带干扰的广义双复合Poisson模型,并用时间序列模型来刻画保费收入过程和索赔过程的两相依情况。运用鞅方法讨论了该模型破产概率的指数和非指数上界。

一阶混合整数值二项自回归模型

首先,针对复杂整数值时间序列数据的建模问题,提出一类一阶混合整数值二项自回归模型;其次,证明该模型的严平稳遍历性,给出模型的转移概率、期望、方差等概率统计性质,并用最大似然估计方法估计模型参数;最后,将模型应用于消费者价格协调指数(HICP)数据的拟合中.实例分析结果表明,该模型比现有模型的拟合效果更好.

基于GNSS坐标时间序列的基准站异常识别

针对众多 GNSS 基准站中存在的异常站点,本文基于站点坐标时间序列,利用近距离站点速度信息相似、年周期和半年周期变化雷同的特点,以坐标时间序列求取的周期项参数为评判依据,识别存在异常的站点。实验表明 :基于坐标时间序列的周期项参数能够识别时间序列阶跃、时间序列误差增大、站点时间序列异常转折等情况,为深入研究 GNSS 基准站稳定性和地壳运动危险性提供帮助。

上海市发电量叠合预测模型的研究

分析了上海市发电量数据的特点 ,给出了叠合模型。应用 2阶对称滑动平均方法提取了趋势项。根据叠合模型可进一步分解出周期项和随机项。利用数据资料对上海市发电量作了实例计算。并将叠合模型与ARIMA的预测结果进行了比较。预测结果表明此方法简单有效。对于含有趋势性和周期性的时间序列辨识、预测具有一定的参考价值。

基于AR-DBN的建筑分项能耗短期预测

针对现有总能耗预测方法不能准确分辨建筑能耗的消耗去向且预测精度较低的问题,根据能耗用途,将总能耗分为4项,提出一种建筑能耗分项预测模型。基于时间序列自回归模型,对建筑物的照明能耗进行短期预测。构建深度置信网络模型,根据照明能耗预测结果、室外逐时平均温度、室外逐时平均相对湿度、天气特征值、节假日、逐时平均风速以及一天24个整点时刻,分项预测空调能耗、动力能耗和特殊能耗。实验结果表明,相比总能耗预测模型iPSO-BP和BP,该模型能更加精确、有效地预测建筑能耗中的各分项能耗。

全球GPS测站垂向周年变化统计改正模型的建立

对GPS测站坐标进行非线性变化的研究和建模,是削弱测站非线性运动的有效途径。由于导致测站坐标非线性变化的机制具有多样性和复杂性,目前还未能建立一个包含多种机制影响的理论改正模型来削弱测站的非线性运动。本文基于全球近500个实测的GPS测站垂向坐标残差时间序列,研究发现了测站垂向坐标周年项的全球分布规律,并分别针对南北半球构建了两个基于实测数据的周年变化统计改正模型。试验表明,本文提出的统计改正模型能削弱全球大部分GPS测站30%~50%的垂向坐标残差。

指数平滑常数的特性及其选择

指数平滑法是短期经济预测中一种极为有效的方法,尤其适用于没有季节效应的时间序列预测,效果尤佳。在应用指数平滑法预测时,平滑常数α的选择是否适宜,直接影响到预测效果的好坏,本文就平滑常数α的特性和选取原则进行有关的讨论,并介绍几种较为常用的选择方法。