1) panel data model
平行数据模型
1.
This paper studies the problem of the stochastic explanatory variables in the panel data model,and gives the methods of testing model,It also derives consistent estimator of parameter,and takes an empirical analysis on the model of consumption of tobacco in Shandong province.
本文研究了平行数据模型中存在随机解释变量的解决方法:构造了模型设定的假设检验,给出了参数的一致估计量,并通过建立山东省城镇家庭烟草消费额模型进行了实证分析。
2.
based on the theory of Grey System,Gaining the forecast data of the graduates and employees of 2006 to 2007 by using the DGM(1,1) model,and combining the statistics from 2001 to 2005,it sets up the connection model of the graduates and employees from this university with the panel data model.
并结合2001年到2005年统计数据,利用平行数据模型建立起了普通高等学校毕业人数与就业人数之间的关系模型,揭示了高校人才供求间的结构关系和政策影响力度。
3.
In this paper panel data model is employed to analyze the influence of income gap and regional difference on the urban consumption structure of Fujian Prov.
本文利用平行数据模型分析收入差距和地区差距对福建省城镇居民消费结构的影响,同时估计了基于收入差距的各项消费支出的消费函数,并就估计结果展开讨论。
2) panel data models
平行数据模型
1.
This article introduces panel data models briefly.
从介绍平行数据模型的优点入手 ,着重描述了平行数据模型的设定 ,指出了平行数据模型的特点 ,概括了平行数据基本模型的估计方法 ,最后介绍了平行数据模型的最新发
3) two-stage panel data model
两阶段平行数据模型
4) non-planar data model
非平面数据模型
5) parallel data
平行数据
1.
On identifying and estimating of the parallel data model;
平行数据模型的设定和估计
2.
The problem of multiple indices synthetical estimate of section data has beenstudying,but the research of indices system estimates is less at present for the timeseries/cross section data(parallel data),this paper give a synthetical estimate algorithm for system of parallel data by making use of thecomponent analysis method and the ideal point method,and analyse the rationality through example.
截面数据的多指标综合评价问题已有不少研究,而对于时间序列/截面数据(又称为平行数据)的多指标系统进行综合评价目前研究较少,利用主分量分析法和理想点法给出平行数据系统综合评价的一种计算方法,并通过实例分析说明了此方法的合理性。
3.
By means of the parallel data from 1999 to 2002,and from the ability of making profits,solvency,developing,growing and the ability of cashing etc.
利用1999~2002年的平行数据,从获利能力、偿债能力、经营发展能力、成长能力、现金能力五个方面,综合评价我国上市公司绩效,能够反映宏观经济基本面和国家宏观政策,并反映出在行业内公司之间业绩存在着较大的差异。
6) panel data
平行数据
1.
PLS estimation and application of the fixed effect of panel data model s parameters;
固定影响平行数据模型参数的偏最小二乘估计
2.
PLS estimation and application of fixed effect panel data model parameters;
固定影响平行数据模型参数的偏最小二乘估计及应用
3.
Panel Data Unit Root Test and It s Application-Empirical Analysis between Income and Consumption;
平行数据的单位根检验及其模型应用—城镇居民收入和消费的实证分析
补充资料:数据模型
数据库系统中用以提供信息表示和操作手段的形式构架。数据模型包括数据库数据的结构部分、数据库数据的操作部分和数据库数据的约束条件。
数据结构 数据结构是目标类型的集合。目标类型是数据库的组成成分,一般可分为两类:数据类型、数据类型之间的联系。数据类型如DBTG(数据库任务组)网状模型中的记录型、数据项,关系模型中的关系、域等。联系部分有DBTG网状模型中的系型等。数据操作部分是操作算符的集合,包括若干操作和推理规则,用以对目标类型的有效实例所组成的数据库进行操作。数据约束条件是完整性规则的集合,用以限定符合数据模型的数据库状态,以及状态的变化。约束条件可以按不同的原则划分为数据值的约束和数据间联系的约束;静态约束和动态约束;实体约束和实体间的参照约束等。
概念的发展 随着数据库学科的发展,数据模型的概念也逐渐深入和完善。早期,一般把数据模型仅理解为数据结构。其后,在一些数据库系统中,则把数据模型归结为数据的逻辑结构、物理配置、存取路径和完整性约束条件等四个方面。现代数据模型的概念,则认为数据结构只是数据模型的组成成分之一。数据的物理配置和存取路径是关于数据存储的概念,不属于数据模型的内容。此外,数据模型不仅应该提供数据表示的手段,还应该提供数据操作的类型和方法,因为数据库不是静态的而是动态的。因此,数据模型还包括数据操作部分。
三种重要模型 层次模型、网状模型和关系模型是三种重要的数据模型。这三种模型是按其数据结构而命名的。前两种采用格式化的结构。在这类结构中实体用记录型表示,而记录型抽象为图的顶点。记录型之间的联系抽象为顶点间的连接弧。整个数据结构与图相对应。对应于树形图的数据模型为层次模型;对应于网状图的数据模型为网状模型。关系模型为非格式化的结构,用单一的二维表的结构表示实体及实体之间的联系。满足一定条件的二维表,称为一个关系(见关系数据库)。
格式化模型可以描述复杂的数据结构,用存取路径实现数据间的联系。从60年代后期以来,在各种计算机系统上建立了许多层次模型和网状模型的数据库管理系统。这些系统成功地应用于数据处理。但这类系统具有以下缺点。首先是使用了许多与数据操作任务无关的概念,如DBTG系统中的系,用户必须按照存取路径存取数据库中的数据。其次,不支持集合处理,即未提供一次处理多个记录的功能。第三,没有充分认识端点用户直接与数据库对话的需求,缺乏为适应非预期查询而增加系统设施的能力。这些缺点降低了程序和数据的独立性,影响应用程序员的工作效率,限制端点用户对数据库的使用。
关系模型严格符合现代数据模型的定义。数据结构简单清晰。存取路径完全向用户隐蔽,使程序和数据具有高度的独立性。关系模型的数据语言非过程化程度较高,用户性能好,具有集合处理能力,并有定义、操纵、控制一体化的优点。关系模型中,结构、操作和完整性规则三部分联系紧密。关系数据库系统为提高程序员的生产率,以及端点用户直接使用数据库提供了一个现实基础。
关系模型研究的一个课题,是扩展关系模型和把数据模型形式化。1981年提出可把数据模型看成是抽象的程序设计语言。数据库是变量,数据库模式是变量的类型。数据库状态是某类变量所取的值。数据定义语言给出说明数据库变量的语法,数据操纵语言是数据模型中操作类型的具体实现,而数据库管理系统是某个数据定义语言和数据操纵语言的具体实现。这样,就可以用程序设计语言的形式概念和方法来研究数据模型。
参考书目
萨师煊、王珊:《数据库系统概论》,高等教育出版社,北京,1984。
数据结构 数据结构是目标类型的集合。目标类型是数据库的组成成分,一般可分为两类:数据类型、数据类型之间的联系。数据类型如DBTG(数据库任务组)网状模型中的记录型、数据项,关系模型中的关系、域等。联系部分有DBTG网状模型中的系型等。数据操作部分是操作算符的集合,包括若干操作和推理规则,用以对目标类型的有效实例所组成的数据库进行操作。数据约束条件是完整性规则的集合,用以限定符合数据模型的数据库状态,以及状态的变化。约束条件可以按不同的原则划分为数据值的约束和数据间联系的约束;静态约束和动态约束;实体约束和实体间的参照约束等。
概念的发展 随着数据库学科的发展,数据模型的概念也逐渐深入和完善。早期,一般把数据模型仅理解为数据结构。其后,在一些数据库系统中,则把数据模型归结为数据的逻辑结构、物理配置、存取路径和完整性约束条件等四个方面。现代数据模型的概念,则认为数据结构只是数据模型的组成成分之一。数据的物理配置和存取路径是关于数据存储的概念,不属于数据模型的内容。此外,数据模型不仅应该提供数据表示的手段,还应该提供数据操作的类型和方法,因为数据库不是静态的而是动态的。因此,数据模型还包括数据操作部分。
三种重要模型 层次模型、网状模型和关系模型是三种重要的数据模型。这三种模型是按其数据结构而命名的。前两种采用格式化的结构。在这类结构中实体用记录型表示,而记录型抽象为图的顶点。记录型之间的联系抽象为顶点间的连接弧。整个数据结构与图相对应。对应于树形图的数据模型为层次模型;对应于网状图的数据模型为网状模型。关系模型为非格式化的结构,用单一的二维表的结构表示实体及实体之间的联系。满足一定条件的二维表,称为一个关系(见关系数据库)。
格式化模型可以描述复杂的数据结构,用存取路径实现数据间的联系。从60年代后期以来,在各种计算机系统上建立了许多层次模型和网状模型的数据库管理系统。这些系统成功地应用于数据处理。但这类系统具有以下缺点。首先是使用了许多与数据操作任务无关的概念,如DBTG系统中的系,用户必须按照存取路径存取数据库中的数据。其次,不支持集合处理,即未提供一次处理多个记录的功能。第三,没有充分认识端点用户直接与数据库对话的需求,缺乏为适应非预期查询而增加系统设施的能力。这些缺点降低了程序和数据的独立性,影响应用程序员的工作效率,限制端点用户对数据库的使用。
关系模型严格符合现代数据模型的定义。数据结构简单清晰。存取路径完全向用户隐蔽,使程序和数据具有高度的独立性。关系模型的数据语言非过程化程度较高,用户性能好,具有集合处理能力,并有定义、操纵、控制一体化的优点。关系模型中,结构、操作和完整性规则三部分联系紧密。关系数据库系统为提高程序员的生产率,以及端点用户直接使用数据库提供了一个现实基础。
关系模型研究的一个课题,是扩展关系模型和把数据模型形式化。1981年提出可把数据模型看成是抽象的程序设计语言。数据库是变量,数据库模式是变量的类型。数据库状态是某类变量所取的值。数据定义语言给出说明数据库变量的语法,数据操纵语言是数据模型中操作类型的具体实现,而数据库管理系统是某个数据定义语言和数据操纵语言的具体实现。这样,就可以用程序设计语言的形式概念和方法来研究数据模型。
参考书目
萨师煊、王珊:《数据库系统概论》,高等教育出版社,北京,1984。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条