一、伪回归现象 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在 相依关系的错误结论。这是传统回归分析方法较易犯的一种错误。 经济学家早就发现经济变量之间可能会存在伪回归现象。 20 世纪 70 年代，Grange、Newbold 研究发现，造成“伪回归”的根本原因 在于变量的时序序列的非平稳性

在连续介质热力学框架内,以热力学第二定律为出发点,推导出裂纹愈合耗散不等式,确定了描述裂纹愈合过程的热力学内变量H的定义形式.裂纹愈合过程内变量的提出,不仅可以将裂纹愈合过程模型化,而且还可以建立裂纹愈合过程的演化方程和本构方程,为裂纹愈合过程的定量分析提供可能性

从区域化变量分布的稳健性角度,借鉴产品加工质量精度控制的理论,基于Johnson分布曲线族提出了一套非正态数据转换方法,并设计了转换流程.以SPSS和Surpac矿业软件为工具,通过实际案例分析了传统数据转换方法和Johnson转换方法的应用效果.实践证明,采用上述方法转化后的数据开展统计分析、变异函数模型的拟合及验证、克立格估计等工作,更容易满足稳健性要求,并能从本质上减小估计误差,提高估计精度

一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验

§5.1 虚拟变量 §5.3 滞后变量 §5.3 模型的设定偏误* （§3.6 受约束的回归） §5.4 从传统到约化建模

在研究某些实际问题时，经常无法直接得到各变量之间的联系，问题的特征往往会给出关于变化率的一些关系。利用这些关系，我们可以建立相应的微分方程模型。从另一个方面来讲，从微小的变化量来研究函数变化的规律，微分提供了一种人们认识系统更加深入的描写和刻画。从这个角度说，微分方程模型在模拟客观事物时更加具有机理性和本质性

在许多实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系,例 如,某种产品的销售额不仅受到投入的广告费用的影响,通常还与产品的价格、消费者的 收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系研究这种一个随机 变量同其他多个变量之间的关系的主要方法是运用多元回归分析.多元线性回归分析是一 元线性回归分析的自然推广形式,两者在参数估计、显著性检验等方面非常相似.本节只 简单介绍多元线性回归的数学模型及其最小二乘估计

• 基本知识 – 多核体系结构、并行编程模型 • 内存一致性模型 – 严格一致性模型、顺序一致性模型、内存一致性模型的重要性 • 共享变量并行编程模型 – 同步、锁、临界区、条件变量、死锁、数据竞争 • 消息传递并行编程模型 – 消息传递、同步与异步

一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验

一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验