人大经济论坛 › 标签 › 模型 › 相关日志

标签: 模型经管大学堂：名校名师名课

相关日志

分享投资复利模型极限定理（1）: 陈默cxx 2014-5-3 18:24; 假设投资者的初始财富为单位资金（即Ｓ０＝１），在证券市场上进行风险投资（比如股票）．他每次都将上一周期末，所得的财富进行整合，然后全部投资到下一个周期，这里假设每一个周期都是单位时间，用Ｒｎ表示在第ｎ个周期中股票的收益率，那么在第ｎ个周期末投资者总的资产为Ｓｎ＝ｅ ^ ．假设 : １）在证券市场中，进行连续交易过程中没有手续费、税费等任何其他收费；２）在每一个周期初投资，都是利用上一个周期末的财富，投资何种股票没有要求；３）收益率Ｒｎ是一个随机变量，可以取任意的实数，但是对于任意ｎ，满足ｅ ^ ＜ ∞ ．计算证明：我们首先讨论总资产S的求解过程：投资者的初始财富为单位资金，即Ｓ０＝１，Ｒｎ表示在第ｎ个周期中股票的收益率，则根据复利计算公式可知： Sn= ，假设在某个周期内的的收益率为R，将这个周期分割成n个小周期，则每个小周期的收益率为R/n，整个周期末的总资产为（1+R/n）^n,当n趋于无穷大时，（1+R/n）^n=e^R。（重要极限公式）所以同理推论： Sn= =(1+r1)(1+r2)...(1+ rk )=exp(R1)exp(R2)...exp(Rn) =exp(R1+R2+R3+...+Rn)=e^ .毕证。未完待续。。。; 个人分类: 投资数学模型|20 次阅读|0 个评论

分享灰色动态GM（1,1）模型: zhuizhubaba 2014-4-11 10:30; eviews里面怎么操作; 个人分类: 问题|26 次阅读|0 个评论

分享精算模型参数估计教学视频: guyanqiang 2014-4-7 16:04; 怎么上传视频呢; 30 次阅读|0 个评论

分享美赛经验谈之二：怎样阅读数学模型教材: donaldduckrenda 2014-1-31 14:40; 上周和大家漫谈了关于备战比赛应该积累的东西，以便能够在比赛中有的放矢，一周后，数学中国继续推出备战经验宝典。本篇文章进入第二篇：怎样阅读数学模型教材。大家在学习数学建模这门课程或准备比赛的时候，往往都是从教材开始的，教材的系统性让我们能够很快，很深入地了解前人在数学模型方面已有的研究成果，并最快地吸收他们为自己所用，但是常常有很多同学抱怨说书太厚，介绍太过于简略而无法看懂，操作性不强等等，也不知道读哪本书更好，把每个模型应该掌握到哪个地步而没有方向，更害怕浪费了宝贵的时间。在此，我向大家隆重推荐建模教程学习的基本要领：三步阅读法。对于任何一本教材，一份资料里介绍的一种数学模型的建立，或者一种算法，你都要问自己三个问题： 1. 这个模型叫什么名字？ 2. 这个模型属于什么类型，能够解决具有哪类特征的问题？ 3. 这个模型的具体操作步骤怎么实现？当你能够学完教材上的这个模型，并能够查找相关资料，实例加以巩固，自己能够非常清晰地回答以上三个问题，那么，这个模型就完全印在你的脑子里而融会贯通了。第一个问题是这个模型叫什么，就像我们 C++ 里面学的对象名一样，或者是 matlab 里说的句柄，也是我们通过论文形式与评委进行沟通的重要手段，要知道这个模型的名字，它的相关产生背景，和它类似的模型，有什么区别等等，这种文字性的东西的记忆最终会体现在论文的字里行间，积累越多，论文就会写得越流畅。第二个问题就不像第一个问题那样浮于模型表面了，而是在深入了解模型的建立思想、阅读了一定的例子之后，自己在脑海里可以形成一个印象，这个方法可以解决什么类型的问题？问题的特征是什么？有什么样的背景可以联想到这个方法？这样，等出现类似的问题时，你会更加容易地搜索到对应的方法。第三个问题，也就是操作层面上的，这个模型可以用什么软件实现？参数怎么调？有没有现成的代码供参考？每一步的操作涵义是否清楚？当你明白了一个模型或者是算法的思想之后，软件操作和程序代码应该是像文思泉涌般跃然纸上才对，而且这个过程里会遇到很多意想不到的，纸上谈兵时看不到的困难，因为具体的操作要受你的系统环境、软件版本、时间限制等各种方面的现实考验，没有什么捷径，只有平时多练，多做，自然在临场你能最快地找到解决的办法。用一个例子说明一下：姜启源老师主编的《数学模型》一书第三章优化模型，读完 7 个小节，也就是 7 个例子之后，你对优化模型应该有如下的认识： 1. 模型名字：优化模型，也叫数学规划，包括线性规划、目标规划、整数规划、非线性规划、动态规划等等各自能够解决决策变量为整数或实数，目标函数为线性或者非线性的问题，是最常见的数模问题。 2. 这是优化类模型，能解决问题的特征是问题要求某些量达到最大或最小，比如销售量最大化，森林火灾造成的损失最小等等，而且我们可以人为地控制某些变量，比如员工的上班时间，原材料的投入量，消防队员救援的策略等等。只要是存在可控制的量和要达到最优的目标，这就是一个优化问题。 3. 比较标准的优化问题，就像教材上对它的分类一样，可以直接用 lingo 软件解决，而复杂的非标准而有很多细节的优化问题则需要手动操作和很多其他灵活的处理，或者还需要用动态规划的方法弄清楚问题发展过程后加以解决，总的来说，优化问题的建模分为这么几个步骤： a. 找到可以控制的决策变量；找到待优化的优化目标； b. 寻找决策变量对优化目标的影响，写出目标函数； c. 对目标函数用求导等数学工具求出最值和对应的决策变量的取值； d. 回到原问题予以解答。对于更加细化的问题，比如整数规划模型，模拟退火算法等等，我们也可以更加详细地顺着这样的思路去想问题，以此为思路，为深度要求来学习书本上的知识。话说回来，学数学模型，其实看哪本书都可以，一本书只是一个线索，要学懂它，只要按照以上的标准，能回答这三个问题，就可以结束了。其实很多时候一本书上的内容真的不够，往往需要读者能以此为引导去查找相关资料才能真正学懂一个模型，一种算法。所以，学数模最关键的是要用心去做，用心去想，多多利用各种资源平台去积累相关的知识，最终达到融会贯通地地步。美赛和其他建模比赛相比，看重的更多的是大家的实力，所以在平时教材阅读的时候就应该用正确的方法多多积累，才能够用实力去拿下理想中的大奖。希望读者能沉下心来，用心思考，慢慢积累，进而掌握数学模型这门技术，更好地服务于大家的比赛和深造，谢谢大家阅读本文！另外推荐大家阅读《数学建模方法与分析》 Mark M. Meerschaert 机械工业出版社，这本书是美赛官方组委会出版的，对熟悉美赛的建模套路有着事半功倍的效果，且内容由浅入深，无论基础如何军能从里面得到想要的收获，希望大家都能从建模之旅中收获自己想要的知识和能力！; 个人分类: 数学建模|29 次阅读|0 个评论

分享美赛经验谈之四：数学模型分类浅谈: donaldduckrenda 2014-1-31 14:34; 大家常常问道，数学模型到底有哪些，分别该怎么学习，这样能让我们的学习有的放矢，而不至于没了方向。我想告诉大家，现实生活中的问题有哪些类，数学模型就有哪些类，因为说到底，数学模型是用来解决实际问题的，解决那些当我们缺乏某一方面足够的经验时，定量化地依靠数字来解决问题的办法。于是，们可以想想，在现实生活中，我们能够遇到哪些需要定量化解决的问题，而这些问题能否利用数学工具加以解决。 1. 优化类问题：我们常常需要对某些行为进行决策，这些是我们可以控制的因素，这些因素一般来说会定量化地影响我们的某些目标值，比如投入决定产出，价格决定销量等等。这时，如何确定我们的决策变量，进而使得我们的目标值达到最优就是我们利用数学模型来解决的问题。这里，有一些是标准化过了的数学规划问题，而实际问题往往会更加复杂，这时候，就需要我们凭借经验将这些问题化简，进而达到我们能够处理的地步，这中间往往没有统一的处理办法，具体问题具体分析，而这个也体现了一个数模人的实力，优化类问题表达式的建立往往是难点，里面涉及到很多很多的方法，比如元胞自动机，排队论等等，需要大家在平常的积累中慢慢掌握，熟练； 2. 评价类问题：每个行业都有它的评价标准和准则，那么这些标准应该有其自身的形成机制，数学模型就是形成这一机制的方法。如何根据成分指标评价一瓶葡萄酒？如何根据员工表现评价年终奖评定？如何评价一名 NBA 球员在球场上的效率？这些问题都需要设计评价算法来对这些对象进行评价。数学模型的评价方法的一个优势在于，它能够最大程度上客观地反映被评价对象的优劣程度以及符合评价指标的多少，能够体现公平的原则； 3. 预测类问题：未来的情况往往可以根据当前的一些量予以推测和判断，这些当前的量再加上失去发展的机制，就能够推算出未来可能的情况。预测的方法有很多，大多是前人总结的经典模型，可以拿来直接套用，而自己推断事物发展的机制进行算法设计然后预测有时候能够更加真实地反映未来的可能趋势，当然，有的模型根据事物发展的机理，有的直接通过数据分析的手段，这些都是可行的，关键看你有没有定量地把握事物的本质。最后补充一点，几乎所有的问题都可以划归到优化上去，评价是要最优的评价，保证最后的评价结果最能反映对象的需求同时与标准结果的比较差别最小；预测也是要最优的预测使得正确率最高或者相对误差值最小，所以大家多在优化上下功夫一定值的，把这种优化思想贯穿整个建模的学习中，一定会让你的思路变得更加清晰！回到这三类问题，这里，从解决问题的类型的角度来分类，数学模型有这么三种用途，而还可以从数学思想方法的角度来分类，也就是数学思想层面的分类，这些内容就比较多了，而且内容也是浩如烟海，大家可以结合着对解决问题类型的分类慢慢学习，多多思考，使自己解决问题的能力得到真正的提高。; 个人分类: 数学建模|25 次阅读|0 个评论

分享美赛经验谈之五：怎样问数学模型问题: donaldduckrenda 2014-1-31 14:32; 在我们学习数学模型、准备比赛的时候，经常会遇到各种各样的问题，有关于算法的，模型建立的，还有直接的题目思路，我在做数学中国版主这些天里，也经常力所能及地解决大家提出的各种问题，既有同学是一句简单的话：求 XX 算法相关资料，也有的干脆摆上来一道校赛题，我很乐意和负责地为大家解决疑问，也对支持数学中国，相信数学中国的各位同学表示感谢！同时，也有一些在问题解答过程中效率不是太高的问题，有时候我们版主的回答会不在点子上，一部分是我们能力所限，还有一些确实是问题问的有些模糊，或者不太合适，导致回答效率不高，在此，我想大家分享一些我的想法，希望大家在以后提问的时候能够多多注意，提高学习效率，能够更好地掌握数学模型的精髓。首先，问题是怎么产生的？问题的产生来源于建模的过程。也就是：实际问题→数学模型→数学求解→问题回答大家可以想一下自己的问题到底是从哪里来的，无非出自于这四个步骤中间： 1. 对一个实际问题没有思路，找不到一个模型可以解决； 2. 知道用哪个数学模型，但是模型的建立过程遇到困难，设计不出相应的算法； 3. 建立模型以后，发现求解有困难，找不到现成的算法或者自己不知道设计； 4. 发现得到的结果回答问题比较奇怪，却不知问题出在哪里。这是在建立一个模型，解决一道题目时，会“卡壳”的地方，也就是问题所在。根据此，我们可以把提问分成三类： 1. 问题思路：可以是询问某类问题怎么解答，也可以是具体的题目寻求思路，这时，我们可以根据我们的经验，告诉提问者最合适的模型，提出一些思考方向，让大家能够提高解题效率，慢慢地培养大家自己分析问题的能力，真正在数模能力上有所提高； 2. 具体模型的相关疑问：知道用哪个模型，却不知道怎么建立和求解，或者求解结果不好也不知怎么改进，在这个过程中遇到的问题大多是由于对模型的数学机理还没有完全明白，不知道如何将书上的模型和具体题目相对应来求解，我们版主会根据我们的经验指出这些模型怎么用，有哪些关键点，这样大家真正去领会这个模型的涵义，问题也就迎刃而解； 3. 细节问题：某个软件如何安装、操作，某个算法的参数怎么调整，程序报错等等，这些操作层面的问题希望大家自己尝试过再提，安装这类技术性问题我们有经验的版主会及时予以解答，至于程序报错可能等多的需要同学们自己多多调试，因为我们的回答会帮你解决当前的问题，但是程序调试能力是自己时间积累的结果。第一类问题对应于建模的第一步：找模型；第二类问题对应于后面几步：建模和解模；第三类的问题可以说是千奇百怪了，因为具体操作过程中会涉及到各种困难等着大家去克服。大家遇到问题和看完我们的回答以后，一定都要看看这个问题在整个建模的大框架下属于哪一步，从前后联系的角度看看这样解决是否合理，而不是就问题而解决问题。所谓之授人以鱼不如授人以渔，这样，当下次再遇到类似的问题，大家就可以获得自己解决的能力，这样的话，才是建模能力的真正提高。当然，同学们在初学建模的时候，肯定也会遇到一些入门时的基础性问题，比如看什么书，怎么入手等等，这些普适性的问题我会在后续的帖子中间给予集中的解答，希望大家持续关注数学中国的更新！; 个人分类: 数学建模|24 次阅读|0 个评论

分享计量手艺展示之一：多元GARCH模型: gssdzc 2013-11-6 09:39; 与宏观经济数据不同，金融市场上的数据多为高频数据，正如 GDP 增速和股票收益率序列。最直观的看法是：后者要比前者远远“抖动”多了有漂移且随机波动的序列，在单元或多元的情况下，构建 SV 模型和 GARCH 模型是最好的选择 GARCH 模型是一大家族，非常庞大的一大家子，名字起得是五花八门这些仁兄基本上都长成这样。。。。。。; 个人分类: 曾经做过的计量模型|81 次阅读|1 个评论

分享 lg_demo7_model_Selection: LinYouthen 2013-9-27 01:10; /*/*模型构建:运用向后法 */*/ /*proc logistic data=imputed des;*/ /* class res;*/ /* model ins=screened res */ /* / selection=backward fast slstay=.001;*/ /*run;*/; libname lg "F:\train\Advance\data\lg"; options user=lg; /* 注意:如果使用全模型法,所有自变量必须是连续型*/ data imputed; set imputed; resr=(res='R'); resu=(res='U'); run; /* Run best subsets */ proc logistic data=imputed des; model ins=screened resr resu / selection=score best=1; run; /* 模型比较:利用SBC统计量 */ ods listing close; ods output NObs=NObs bestsubsets=score; proc logistic data=imputed des; model ins=screened resr resu / selection=score best=1; run; ods listing; proc print data=NObs; run; proc print data=score; run; data _NULL_; set NObs; where label = 'Number of Observations Used'; call symput('obs',n); run; /*计算SBC统计量*/ data subset; set score; sbc=-scorechisq+log(obs)*(numberofvariables+1); run; proc print data=subset; var sbc variablesinmodel; run; /* 取最小的SBC*/ proc sql noprint; select NumberOfVariables into :nv from subset having sbc=min(sbc); quit; %put nv; data sbc; set subset; where NumberOfVariables=nv; run;; 个人分类: myself|0 个评论

分享 SPSS和结构方程模型（SEM）数据统计分析: 孤星追月 2013-8-6 21:36; SPSS 和结构方程模型（ SEM ）数据统计分析业务范围：（一）数据统计分析 1. 问卷编制（探索性因素分析，验证性因素分析，信度检验，效度检验） 2. 相关研究：方差分析、 T 检验、回归分析、中介效应、调节效应（二）指导本科、硕士、博士论文实证研究的结果部分（列表，画图，文字分析等）（三） SPSS 、 Liserl 、 Amos 、 Mplus 软件使用及统计知识课程培训（四）心理学考研——专业课辅导与培训（统计，测量，实验）联系方式 QQ 442522231 Tel 15018747036 希望能用我们的专业知识为大家竭诚服务！！！; 34 次阅读|0 个评论

分享模型间参数之比较: jose.liupei 2013-8-6 07:45; *-Q1: Testing the equality of coefficients across independent areas http://www.stata.com/support/faqs/stat/testing.html# *-Q2: How can I compare regression coefficients between 2 groups? http://www.ats.ucla.edu/stat/stata/faq/compreg2.htm *-Q3: How can I compare regression coefficients across 3 (or more) groups? http://www.ats.ucla.edu/stat/stata/faq/compreg3.htm *-Q4: Comparing Regression Coefficients Across Groups using Suest *** http://www.ats.ucla.edu/stat/stata/code/suest.htm * e.g. use http://www.ats.ucla.edu/stat/stata/faq/compreg3 , clear regress weight height if age==1 est store age1 regress weight height if age==2 est store age2 regress weight height if age==3 est store age3 suest age1 age2 age3 test height= height test height= height, accum; 33 次阅读|0 个评论

分享 IF 模型测试结果: xuning5176 2013-7-9 21:51; 2000个15分钟样本，各样本分别用最好参数的，平均盈利13.2万。即半年收益率可以达到26%。; 29 次阅读|0 个评论

分享转发：克服异方差的方法（广义最小二乘法）: 区域经济爱好者 2013-4-23 04:00; 第五章异方差第六节克服异方差的方法（广义最小二乘法） 1. 直接用引起异方差的解释变量除回归式对模型 yt = b 0 + b 1 xt 1 + b 2 xt 2 + ut (5.13) 假定异方差形式是 Var( ut ) = ( s xt 1 )2 （因为 Var( ut ) = E( ut )2 ，相当于认为 | | = s xt 1 ）。用 xt 1 同除上式两侧得 yt / xt 1= / xt 1+ + b 2 xt 2 / xt 1 + ut / xt 1(5.14) 因为 Var( ut / xt 1) = (1/ xt 12) Var( ut ) = (1/ xt 12) s 2 xt 1 2 = s 2 ， (5.14) 式中的随机项 ( ut / xt 1) 是同方差的。对 (5.14) 式做 OLS 估计后，把回归参数的估计值代入原模型 (5.9) 。对 (5.14) 式应用 OLS 法（求 S ( / xt 1)2 最小）估计参数。其实际意义是在求 S ( /xt 1)2 最小的过程中给相应 ut 分布方差小的误差项以大的权数， ut 方差大的误差项以小的权数。所以此法亦称为加权最小二乘法，是 GLS 估计法的一个特例。下面以矩阵形式描述克服异方差。设模型为 Y = X b + u (5.15) 其中 E( u ) = 0 ， Var( u ) = E( u u ') = s 2 W 。 W 已知， b 与 s 2 未知。因为 W 1 I ，违反了假定条件，所以应该对模型进行适当修正。因为 W 是一个 T 阶正定矩阵，所以必存在一个非退化 T ′ T 阶矩阵 M 使下式成立 M W M ' = I T ′ T (5.16) 从上式得 M ' M = W -1 (5.17) 用 M 左乘回归模型 (5.15) 两侧得 M Y = M X b + M u (5.18) 取 Y * = M Y , X * = M X , u * = M u , 上式变换为 Y * = X * b + u * (5.19) 则 u * 的方差协方差矩阵为 Var( u * ) = E( u * u *' ) = E ( M u u ' M ') = M s 2 W M ' = s 2 M W M ' = s 2 I (5.20) 变换后模型 (5.19) 的 Var ( u *) 是一个纯量对角矩阵。对变换后模型 (5.19) 进行 OLS 估计，得到的是 b 的最佳线性无偏估计量。这种估计方法称作广义最小二乘法。 b 的广义最小二乘 (GLS) 估计量定义为 (GLS)= ( X *' X *)-1 X *' Y * = ( X ' M ' M X ) -1 X ' M ' M Y = ( X ' W -1 X )-1 X ' W -1 Y (5.21) 下面以异方差形式 Var( ut ) = s 2 xt 2 为例，具体介绍广义最小二乘法变换结果。 (5.22) 定义 (5.23) 从而使 Var( M u ) = E ( M u u ' M ')= M s 2 W M ' = s 2 M W M ' = s 2 I ( T ′ T ) (5.24) 即对于 (5.19) 式来说误差项已消除了异方差。 2. 利用Glejser检验结果消除异方差假设 Glejser 检验结果是 | | = + xt 1 说明异方差形式是 Var( ut ) = ( + xt )2 s 2 。用 ( + xt ) 除原模型 (5.9) 各项 , (5.25) 则 = s 2 (5.26) 说明消除了异方差。对 (5.25) 式做 OLS 估计，把回归参数的估计值代入原模型 (5.9) 。 3. 对变量取对数消除异方差在实际应用中，通过对变量取对数的方法常常能达到消除异方差的目的。详细请见下面的案例分析。来源：http://wenke.hep.edu.cn/NCourse/jljjx/courseware/course/CourseContents/Chapter05/05_06_01.htm; 20 次阅读|1 个评论

分享结构方程模型软件LISREL: 马鑫鑫 2013-4-22 14:21; 这个具体学习的话，有什么资料可以参考？; 17 次阅读|0 个评论

分享开始学习计量模型！: wykb 2013-4-18 20:32; 原来的计量经济学基础为零。未来的学习过程应该会充满难题吧！加油！; 17 次阅读|0 个评论

分享结构模型的应用: 流寂水声 2013-4-15 08:44; l 有的说每个观察变量最好有 10 个样本，有的说 200 到 500 之间比较好。在 SEM 中，与一般的研究方法相同，样本量越大越好，但是在 SEM 中，绝对指标卡方容易受到样本量的影响，样本越大，越容易达到显著水平。 l 在结构方程建模中，在观察变量到潜在变量的路径系数中，必须规定一条为 1 做标准求的其他路径系数和潜变量的值。潜变量之间就不用规定为 1 了。 l 内衍变量和观察变量都要有一个误差量 e 。 l 指标变量包括观察变量和误差变量 l 如何让绘图区变宽：可以在 view 里面的 interfaceproperties 中点击 landscape 在进入模型检验之前，首先检验是否出现违反估计： l 负的误差方差存在 l 标准化系数超过或太接近1（通常以0.95）验证性因素分析信度：建构信度等于标准化因素负荷量和的平方 / （标准化因素负荷量和的平方 +(1- 标准化因素负荷量的平方 ) 的和）收敛效度：平均方差抽取量：是指可以直显示被潜在构念所解释的变异量有多少是来自测量误差的，平均方差变异量越大，来自于测量误差越少，即因子对于观察数据的变异解释越大，一般是平均方差抽取量要大于 0.5 ，是一种收敛效度的指标。等于标准化因素负荷量的平方之和 / 题目数目验证性因素分析基本模型适配度检验摘要表 : l 是否没有负的误差变异量 e1e2e3 l 因素负荷量（潜在变量与观察变量之间的标准化系数）是否介于 0.5 到 0.95 之间 l V ariances 是否没有很大的标准误 ( 路径系数的标准误 ) 整体模型适配度检验摘要表: 绝对适配度指数 l 卡方值， p 大于 0.05 ，说明数据本身的协方差矩阵和模型的协方差矩阵是匹配的。 l RMR 值小于 0.05 ， l RMSEA 小于 0.08 （小于 0.05 优良，若是小于 0.08 良好） l GFI 大于 0.90 ，适配优度 l AGFI 大于 0.90 （调整后的适配度）增值适配度指数 l NFI 大于 0.90 l RFI 大于 0.90 l IFI 大于 0.90 l TLI( 也称为 NNFI) 大于 0.90 l CFI 大于 0.90 简约适配度指数： l PGFI 大于 0.50 l PNFI 大于 0.50 l PCFI 大于 0.50 l CN 大于 200 l 卡方自由度比小于 2.0 ，或者小于 3.0 l AIC 理论模型值小于独立模型值且二者同时小于饱和模型值 l CAIC 同 AIC 验证性因素分析的内在质量参数表 l 所估计的参数均达到显著水平 we l 所有项目的信度均达到 0.50 以上 l 潜在变量的平均抽取变量大于 0.50 l 潜在变量的建构信度（组合信度、构念信度）大于 0.60 l 标准化残差的绝对值小于 2.58 （标准化残差：协方差矩阵的残差）修正指标： l 修正指标表中 MI 小于 5.0 是否符合正态性检验，检验是否有异常值。根据 P2 的指标删除变异的 case ，先删除一个，逐步检验删除后的 P2 值。直接效果和间接效果如何操作模型探索：; 18 次阅读|0 个评论

分享 GEODA怎么做空间滞后模型，步骤是什么样子的？: 热度 1 ︶ㄣ伊迦︶ㄣ 2013-4-4 19:14; 我把shp文件和数据都加载进去了，点击“run”的时候，电脑弹出一个警告窗口，然间就自动关闭了，尝试了很多次都有问题。但我不知道是什么情况，哪位大神会，帮帮我吧！我现在有shp文件，有数据，不清楚是哪有问题。求教！; 24 次阅读|4 个评论

分享固定效应模型 + 随机效应模型 + 混合效应模型: It's 2013-1-12 01:17; 固定效应模型（fixed effects model）随机效应模型（random effect model）混合效应模型（mixed effect model）; 个人分类: 学术研究|0 个评论

分享 2997.像攻克人类基因一样建立原子图谱和模型: 王东镇 2012-11-8 02:53; 2997. 像攻克人类基因一样建立原子图谱和模型 2012.11.8 我不知道人类是否已经建立了原子图谱和模型，不过我知道这非常重要，因为原子结构决定不同化学元素的物理、化学性质，隐藏着物质聚变、裂变和化合、分解的规律性。我知道通过观测的手段了解原子的内部结构很难，但如果掌握了核外电子的分布规律，结合历次核试验的相关资料、人类对各种放射线、核废料的了解，应该可以掌握一些规律性的东西，通过计算、分析、模拟、筛选，建立相对合理的现有化学元素的内部结构图谱和模型。比起人类基因和化合物，已知的化学元素和它们的同位素不多，并且都与氢、氦元素关系密切，可以分解为不同数量的氢、氦离子。不妨根据不同化学元素的质子、中子、核外电子情况，首先模拟出它们由氢、氦同位素离子可能形成的各种模型，从中筛选出相对合理的，进一步分析由其他高端核素形成的各种可能。对比不同化学元素的内部结构，应该可以发现金属、非金属元素，铁、镍元素与其他元素结构上的区别等许多我们感兴趣的秘密。; 20 次阅读|0 个评论