产业结构数据的等距logratio变换与应用

产业结构数据是典型的成分数据,其在经济问题研究中具有重要的地位,但定和约束却严重制约着其在统计分析中的应用。文章通过构建适合产业结构变迁特征的正交向量基,使用产业结构数据的等距logratio变换,将具有定和约束的产业结构数据转换为无约束的向量数据,研究结果表明:该变换不仅解除了定和约束,而且确保了变换前后数据的拓扑结构不变性,特别是变换后的数据还具有很好的经济解释力。运用该变换不仅可以直观呈现一国(或地区)产业结构的演变轨迹,而且可以与不带限制条件的传统分析方法有机结合。通过对中国和部分发达国家产业结构的实例分析,以及与传统计量方法的比较,验证了所提方法的合理性和优越性。

成分数据的空间自回归模型

针对已有成分数据线性回归模型对研究对象相互独立的严格要求,提出了含有成分数据和普通数据的空间自回归模型,在此基础上提出了成分数据空间自回归模型的估计方法。新模型结合了空间自回归模型处理因变量之间相互依赖的优势,可同时处理成分数据和普通数据。通过利用等距对数比(ilr)变换将成分数据解约束,得到了新模型的参数估计量。蒙特卡罗模拟实验验证了所提估计方法的有效性。

基于等距logratio变换的成分数据判别分析方法

为了提高成分数据判别模型的准确性,提出一种基于等距logratio变换的成分数据判别分析方法。该建模方法先将成分数据实行等距logratio变换,在保持样本空间形态不发生变化的前提下再对变换后的数据表建立Fisher判别模型,克服了定和约束对建模的不良影响,并且保证了判别模型的合理性和准确性。应用所提出的方法,对两总体岩石分类问题建立了判别模型,并与传统模型进行比较研究。结果表明,模型的判别准确率得到很大提高,具有较强应用价值。