一、一种稳健的方差齐性检验方法（论文文献综述）
张雪汝[1]（2021）在《序贯试验和添加次序试验的设计与分析》文中进行了进一步梳理作为一种研究各类复杂过程和系统的工具,试验设计广泛应用于科学研究、工业、农业、医学等多个领域。试验设计可以分为单次设计和序贯设计。单次设计是一次性完成固定次数的试验,而序贯设计逐次地序贯添加设计点直到达到试验目标。作为一种经济有效的方法,序贯设计既可以避免盲目加大试验样本个数而造成浪费,又不至于因试验样本个数太少而无法得到结论。随着计算机技术的飞速发展,现有的序贯设计已经无法满足各类具有复杂结构试验的需求。试验者迫切需要对多种类型的序贯设计进行理论和构造的研究。因此,本论文主要关注三类复杂序贯试验的设计和分析,包括稳健复合设计、多种变化空间下的序贯拉丁超立方体设计、异方差添加次序试验的检测和稳健参数分析。对于这三类序贯试验的设计和分析,有些已有部分研究成果,而有些还尚未有研究。基于此,本学位论文对这三类复杂序贯试验的设计和分析进行了深入研究。下面我们简要介绍这三类复杂序贯设计的研究背景和研究现状。复合设计作为一种特殊的序贯设计,极大地促进了响应曲面法的发展。Box and Wilson（1951）提出的响应面方法广泛应用于探索未知关系的输入输出系统。基于二阶模型,常用的复合设计包含中心复合设计（central composite design,CCD,Box and Wilson,1951）、小型复合设计（small composite design,Draper and Lin,1990）、子集设计（subset design,Gilmour,2006）、增广对设计（augmented pairs design,Morris,2000）、正交表复合设计（orthogonal-array composite design,OACD,Xu,Jaynes and Ding,2014）以及确定性筛选复合设计（definitive screening composite design,DSCD,Zhou and Xu,2017）。相比于其他复合设计,正交表复合设计有较高的估计效率且不同的部分可以进行交叉验证。但是它的试验次数往往较多,尤其对于高维情形而言。另外,当二阶模型存在误设时,已存在的复合设计往往不稳健。因此,寻找一种试验次数灵活的稳健复合设计是十分有必要的。序贯设计作为一种经济高效的设计方法,广泛地用于计算机试验中。拉丁超立方体设计（Latin hypercube design,LHD,Mc Kay,Beckman and Conover,1979）的每个变量的每个水平仅出现一次,其适用于计算机试验。对于不同精度的计算机试验,Qian and Wu（2008）提出了全试验空间上的嵌套设计。随后,Qian,Tang and Wu（2009）,Qian,Ai and Wu（2009）和Sun,Liu and Qian（2014）通过代数方法构造了某些特殊类型的空间填充嵌套设计。Rennen et al.（2010）和Chen and Xiong（2017）通过算法构造空间填充的嵌套拉丁超立方体设计（nested Latin hypercube design,NLHD）。这些方法要么仅对某些特定的试验次数或因子数可行,要么计算复杂度过高难以负担。另外,现有的嵌套拉丁超立方体设计均建立在不变试验空间上,而对于空间压缩的序贯试验而言,这些设计不再适用。所以,如何构造灵活、简单、多种空间的空间填充序贯拉丁超立方设计很值得研究。序贯设计也可以用来完成试验的方差齐性检验和稳健参数分析。在过去的几十年里,添加次序试验（order-of-addition,Oof A）受到了极大的关注。该试验的响应往往与系统中添加m种不同成分的次序有关。但是现有研究成果仅考虑同方差的添加次序试验,而对于许多异方差的添加次序试验,尚未有文献进行研究。下面简要介绍本学位论文的结构安排。第一章介绍了序贯设计和添加次序试验的研究背景和研究现状。此外,本章还提供了一些必要的预备知识。第二章提出了一种新的复合设计,并给出了该复合设计的构造方法。该复合设计将正交设计和均匀设计相结合,称作正交均匀复合设计（orthogonal uniform composite design,OUCD）。在满足某些宽泛的条件下,正交均匀复合设计是一种稳健的复合设计。本章还讨论了正交均匀复合设计的空间填充性和正交性,并在最大最小距离准则下给出了正交均匀复合设计的构造方法。这种新的设计不仅保持了正交表复合设计的优点,如较高的估计效率、交叉验证这样的多重分析能力,还拥有更加灵活的试验次数。第三章提出了一种基于好格子点（good lattice point,GLP）集的序贯拉丁超立方体设计（sequential Latin hypercube design,SLHD）并给出了该序贯设计的构造方法。该序贯设计称作序贯好格子点（sequential GLP,SGLP）集。对给定的空间填充准则,本章提供了一种快速有效识别多种试验空间的空间填充序贯好格子点集的方法。此外,结合序贯好格子点集和线性水平置换技术,本章还构造了一类适用于多种试验空间的渐近最大最小L1-距离序贯拉丁超立方体设计,其每层的L1-距离达到最优或渐近最优。数值结果表明,在不变试验空间中,序贯好格子点集比现有的序贯拉丁超立方体设计具有更好的空间填充性。此外,空间填充序贯好格子点集具有计算复杂度较低、试验次数和变量个数灵活等特点。第四章研究了具有异方差添加次序试验的方差齐性检验以及稳健参数分析。本章考虑对重复的添加次序试验进行异方差检测。如果添加次序试验是异方差的,构造添加次序的序贯试验来估计双重响应模型,从而进行稳健参数分析。基于配对排序（PWO）模型,本章提出的方法获得的次序不仅达到了响应均值的试验目标,并且使其标准差达到最小。数值结果显示,本章提出的方法在重复的添加次序试验中表现良好,找到的最优次序等于或者非常接近于理论最优次序。第五章提出了另一种解决异方差添加次序试验的分析方法。该方法是一种基于模拟的稳健优化方法,通过对不可控环境变量收集的（历史）数据建立双重响应模型来求解稳健的最优次序。此外,本章还提出了一些有效的方法来解决相应的离散优化问题,并提供了理论支撑。模拟结果显示,该方法得到的最优次序更加稳健。第六章对本论文进行了总结。
朱红月[2]（2021）在《分位数多水平项目反应理论及异常反应行为研究》文中提出在教育和心理测量背景下,许多问题都围绕着人的潜在特质进行分析。项目反应理论（Item Response Theory,IRT）在测量题目的属性和人的潜在特质方面具有很多优势,因此有着广泛的应用。在IRT中,潜在特质通常指的是人的能力。本文主要关注两个问题,第一个问题是探究学生的特征（students’characteristics）,例如性别、智力、家庭背景等因素与学生学习成绩（能力）之间的相关性。掌握这些因素对学生能力的影响效应,有助于为教育政策的制定和实施提供理论支持,以提高学生的学业成就。另一个问题是,要对能力进行客观、准确的评估,排除影响测评结果的不良因素。在这里,我们主要关心被试在测试过程中的异常反应行为,包括在考试刚开始由于紧张造成的热身行为,或者由于时间紧迫造成的加速行为等。异常反应行为下的作答结果会影响测评的有效性,进而影响对被试能力的分析和评估,因此,将异常反应行为准确地检测出来是具有重要意义的。本文基于IRT,对上述两个问题展开了研究,具体分为以下两个部分:第一部分,许多研究在IRT的基础上,提出了多水平项目反应理论（Multilevel IRT,MLIRT）模型,分析了感兴趣的因素（解释变量）对学生平均能力的影响。然而,在能力分布是非对称的情况下,对平均能力的分析并不具有代表性。近些年,许多研究也越来越关注能力的整体分布,但是目前尚未有文献在IRT框架下研究解释变量对能力整体分布的效应。本文首次在IRT下引入了分位数回归（QR）分析,对能力与解释变量之间建立了QR模型,称之为多水平项目反应理论（Quantile MLIRT,Q-MLIRT）。Q-MLIRT同时具有IRT模型和QR模型的优良性质,既考虑了对能力测量的误差,也能够对解释变量与能力之间的关系进行更加完整的分析,并且当能力是非对称分布时,对能力中心位置的度量也更加准确。此外,QR不依赖方差齐性的假设,具有更强的稳健性。本文在贝叶斯框架下,提出了Gibbs抽样算法,对Q-MLIRT模型中的参数进行估计,考虑了所有参数在估计过程中的不确定性。接着,通过模拟研究表明,在不同的条件下,Gibbs抽样算法可以将Q-MLIRT模型的参数准确地估计出来。最后,使用Q-MLIRT模型分析了2018年国际学生评估（Program for International Student Assessment,PISA）中学生的数学成绩与学生个人以及家庭背景因素之间的关系,验证了该模型的应用价值。第二部分,许多研究旨在检测异常反应行为,通常将具有异常反应行为的被试作答反应删除,进而提高对项目参数的校准以及被试能力估计的准确性。近年来,变点分析（Change-Point Analysis,CPA）检测方法得到了研究者的关注,CPA不仅可以检测出异常反应行为,也能提供变点（异常反应行为发生的位置）的信息,因此可以有针对性的对数据进行筛选。本文在此基础上,提出了一种贝叶斯变点分析检测方法。与目前的CPA方法不同,该方法使用了被试在每道题目上的反应时间（Response Times,RTs）信息,可以提高对异常反应的检测效率。同时,该方法将变点的数量和位置作为随机变量,结合先验信息和数据信息,通过后验分布对二者进行推断。进而,根据变点的位置,可以估计出被试在测试各个阶段的作答速度。该方法的优势如下:（1）允许每个被试存在多种异常反应行为或多个变点的情况;（2）对变点位置的依赖性较小,不依赖对参数的极大似然估计（MLE）;（3）结合变点位置与作答速度的信息,能够更加准确的对异常反应行为做出判断。仿真结果表明,该方法不仅可以有效地检测出异常反应行为,也可以准确地估计出变点的数量和位置,同时虚警率（将没有变点检测为有变点的被试比例）也可以控制在一个合理范围内。最后,本文利用贝叶斯CPA方法分析了一批计算机自适应测试（Computerized Adaptive Testing,CAT）的数据,对被试的异常反应行为进行了检测,验证了所提方法的实用性。
王许蓁,金百锁[3]（2020）在《基于网络结构的高维协方差矩阵估计》文中进行了进一步梳理本文在Lan等[1]利用网络结构对连续变量协方差矩阵进行估计的研究基础上进行改进和扩展,给出一种基于网络结构的高维协方差矩阵估计方法,并允许响应变量异方差性存在.该方法将高维协方差矩阵的估计问题转化为关于网络结构的低维线性回归的参数估计问题,从而极大减少了计算量.在有限样本甚至n=1的情况下,该估计方法仍然适用,且估计效果会随着矩阵维数的增大而提高.此外,本文给出一种利用协方差矩阵识别网络中关键节点的方法,该方法能同时兼顾节点自身的贡献和节点对其他节点的影响程度,因此十分适用于学术合作网络.
周建庆[4]（2020）在《企业生命周期、CEO权力与研发投资》文中研究说明在发达国家先进技术与发展中国家低廉成本的“双重挤压”下,增加企业研发投资以提升自主创新能力,无论是对企业的生存与持续发展或是对国家创新驱动发展战略的顺利实施都有着极其重要的意义。考虑到企业CEO在战略制定与创新决策方面所发挥的决定性作用,关于其个人特征对企业研发投资的影响已成为学术界关注的一个重要议题。以往研究主要基于高阶梯队理论,从性别、年龄、学历以及职业经历等方面探讨了CEO背景特征与企业研发投资之间的关系,然而关于CEO权力对企业研发投资影响的研究却十分有限。基于这一领域的研究不足,近年来越来越多的学者开始探讨CEO权力与企业研发投资之间的关系,并得出了一些富有启发与影响力的结论。然而,这些研究结论却存在一定程度上的分歧,本文认为产生这些分歧的主要原因有以下三个方面:（1）以往研究在探讨CEO权力对企业研发投资的影响时,往往片面强调CEO权力的风险规避或者风险追求效应,而没有综合考虑这两种不同的风险偏好效应以及权力所产生的资源保障效应。（2）以往研究忽略了CEO权力的异质性。权力是一个综合性的复杂概念,对于不同类型的权力而言往往蕴含着不同的实质与内涵,并且可能对企业研发投资产生差异化的影响效应。（3）以往研究忽略了企业所处生命周期的特定阶段。对于处在不同发展阶段的企业而言,由于经营环境及创新战略的差异,往往面临着不同的潜在风险及差异化的资源需求,从而可能影响CEO权力风险偏好效应与资源保障效应的充分发挥,并最终导致CEO权力与企业研发投资之间的关系伴随企业生命周期的发展而动态演变。基于上述分析,本文首先从总体上检验了CEO综合权力对企业研发投资的影响;然后,分别探讨了CEO的结构权力、所有权权力、专家权力及声望权力等四类异质权力对企业研发投资的差异化影响;接着,本文深入探讨了企业处于生命周期不同发展阶段时,CEO综合权力、异质权力影响企业研发投资所呈现的动态特征;最后,在实证分析结果的基础上,本文还对CEO权力的研发投资效应开展了进一步研究,一方面从权力内部结构的角度检验了CEO异质权力对企业研发投资的联合影响,另一方面从企业治理环境的角度检验了董事会规模、机构投资者持股对CEO权力研发投资效应的调节作用。在完成理论分析与研究假设推演的基础上,本文选取了2007-2018年中国沪深股市A股高科技行业上市公司为研究样本进行实证分析,得到的主要研究结论如下:（1）从总体上看,CEO综合权力对企业研发投资具有显着的正向影响。（2）从异质性的角度看,CEO异质权力对企业研发投资会产生差异化的影响效应。具体而言,CEO结构权力对企业研发投资具有显着的负向影响;而CEO所有权权力、专家权力与声望权力对企业研发投资具有显着的正向影响。（3）当企业处于生命周期的不同发展阶段时,CEO权力对企业研发投资的影响效应呈现出动态演化的特征。首先,CEO综合权力对企业研发投资的正向影响仅在成长期与衰退期显着存在,而在成熟期则并不显着。其次,从异质权力的角度看,CEO结构权力对企业研发投资的负向影响仅在成熟期显着存在;CEO所有权权力对企业研发投资的正向影响仅在成长期显着存在;CEO专家权力对企业研发投资的正向影响在成熟期与衰退期显着存在;而CEO声望权力对企业研发投资的正向影响在成长期与成熟期显着存在。（4）进一步研究还发现:对于成长期企业而言,CEO结构权力与机构投资者持股（或董事会规模）将增强（或减弱）CEO所有权权力对企业研发投资的正向影响,机构投资者持股会减弱CEO声望权力对企业研发投资的正向影响,CEO所有权权力与声望权力之间能够产生相互促进研发投资的协同效应;对于成熟期企业而言,机构投资者持股有助于减弱CEO结构权力对企业研发投资的负向影响;对于衰退期企业而言,CEO所有权权力会减弱其专家权力对企业研发投资的正向影响,而董事会规模则有助于增强专家权力的这一正向影响。本文在同时考虑了权力异质性与企业动态发展的基础上,全面且深入探讨了CEO权力对企业研发投资的影响效应。在国家推进创新驱动发展与产业转型升级战略的宏观制度背景下,本文研究结论从微观视角为企业提升研发投资水平与自主创新能力提供了CEO权力结构优化及动态调整路径的政策思路。
靳琴琴[5]（2020）在《全基因组关联分析中荟萃分析的异质性和重叠数据问题的研究》文中指出全基因组关联分析（Genome-wide association study,GWAS）是在人类全基因组范围内寻找与复杂性状或疾病相关联的遗传变异方法,这里的遗传变异主要是指单核苷酸多态性（Single nucleotide polymorphisms,SNP）,占所有已知多态性的90%以上。荟萃分析被广泛应用于GWAS中,它综合多个研究的分析结果,在实现大的有效样本量的同时,提高发现新关联的概率。固定效应模型和随机效应模型是荟萃分析中常用的两种方法。固定效应模型假定各研究间的效应是一样的。在固定效应模型中,对SNP-环境交互作用的研究有SNP与SNP-环境交互作用的联合检验方法和荟萃回归两种分析方法。然而实际研究中,常见复杂疾病或表型通常由多个不同的遗传机制产生时,会具有遗传异质性。GWASs发现的变异在具有不同人口历史的人群中也具有不同的效应大小,甚至不同的关联方向。最近开展了许多大型跨种族人群的荟萃分析,其中通常包含遗传异质性。因此在荟萃分析时需要使用随机效应模型以便考虑遗传效应中的异质性。传统的随机效应模型只检验SNP的固定效应,将异质性作为随机效应并将其视为固定效应方差的一部分。最近的研究建议应同时检验SNP的固定效应和随机效应,该方法已被证明比传统的随机效应方法具有更高的检验统计力。然而,该方法只能对SNP的遗传主效应进行统计检验,对于SNP-环境交互作用检验目前仍缺乏相应的模型和方法。另外,在GWAS研究的实践中,为了节约研究成本或者研究人员无意间会使用一些重叠数据,忽略这些重叠数据会导致假阳性结果。最近的研究提出在检验SNP的遗传主效应时考虑重叠数据问题的荟萃分析方法。同样,目前仍然没有相应的荟萃分析方法用来在存在重叠数据的情况下检验SNP-环境交互作用。本文研究了GWAS中SNP-环境交互作用检验中的异质性和重叠数据问题,主要工作包括以下内容:首先,提出一项在异质性存在情况下检验SNP-环境交互作用的荟萃分析方法。将SNP与SNP-环境交互作用的异质性作为随机效应引入到荟萃回归分析模型中。提出一种新的SNP-环境交互作用检验方法,称其为随机效应荟萃回归分析方法,用来同时检验SNP-环境交互作用的固定效应和随机效应。基于该模型,还进一步提出一个新的统计检验用来同时检验SNP与SNP-环境交互作用的固定效应及其随机效应。对于提出的方法进行仿真实验,研究它们的原分布和检验统计力。结果表明,在异质性效应较大的情况下,新方法比传统的随机效应模型和常规的荟萃回归分析方法具有更高的统计检验力。这个方法是适用于不同场景的简单有效的方法。此外,当已知基因-环境交互作用存在时,它还可以被进一步推广用来对不同的交互作用方式进行后验估计。其次,提出另外一种随机效应模型方法,用来在异质性存在情况下进行SNP与SNP-环境交互作用的联合检验,并同时给出SNP-环境交互作用检验方法。该方法基于似然比函数检验,不需要分层水平的统计量数据。仿真实验表明这个检验方法与随机效应荟萃回归分析方法具有相似的检验统计力。该方法可以用于当研究间没有分层水平的统计数据时交互作用的统计检验。由于这个方法需要预先设定一个SNP-环境交互作用的函数形式,如果需要检验一个新的交互作用假设,该方法需要从新以新的模型在各研究数据中进行全基因组分析。接着,提出一个重叠数据荟萃回归方法用来解决在研究间存在重叠数据情况下SNP-环境交互作用的检验问题。基于Lin和Han的相关研究,引入研究的层间相关矩阵,将常规荟萃回归模型的方差和协方差矩阵进行推广。基于这一模型,给出SNP-环境交互作用以及SNP与SNP-环境交互作用联合效应的统计检验。通过仿真实验,检验该方法的原分布和在不同数据重叠率下的检验统计力。实验结果证明该方法是有效的,同时达到了与在荟萃分析之前预先去除重叠样本的方法即数据拆除法相媲美的检验统计力。另一方面,实验结果表明如果忽略重叠数据会导致原分布对应的点向上偏移。因此,该重叠数据荟萃回归方法有效地处理了数据重叠问题。最后,在随机效应荟萃回归分析方法和重叠数据荟萃回归方法的基础上,提出一种同时考虑异质性和数据重叠问题的随机效应模型下的有重叠数据的荟萃回归分析方法。对检验SNP-环境交互作用和SNP与SNP-环境交互作用联合效应的似然比统计量进行仿真验证。使用检验统计力评估我们的方法与固定效应模型下的有重叠数据的荟萃分析方法相比的优越性。仿真结果证明该方法在数据重叠、异质性存在的情况下,比固定效应模型下的有重叠数据的荟萃分析方法具有更高的检验统计力。
董孝彤[6]（2020）在《基于ECG信号的睡眠呼吸暂停检测模型研究》文中研究指明良好的睡眠是正常生活的重要保障,睡眠呼吸暂停低通气综合征（SAHS）是发病率极高的一种睡眠疾病,其对人的短期和长期健康都有着不利的影响。目前,该疾病的检测过程繁琐且价格昂贵,需要医护人员的专业操作,因此很多人不能及时了解自己的睡眠状况。若能简化睡眠呼吸暂停的检测过程,让更多人了解自己的睡眠状况,这对于疾病的预防有十分重要的意义。近几十年来,大量研究发现心电图（Electrocardiograph,ECG）信号可以检测睡眠呼吸暂停的发生,但是仍有很多问题有待于深入研究。本文在深入研究稳定特征选择的基础上,建立睡眠呼吸暂停诊断模型,力求简化睡眠呼吸暂停的诊断。本文将基于ECG信号实现睡眠呼吸暂停事件的检测,主要工作包括以下几个方面:（1）特征提取及显着性差异分析。根据QRS波的面积估计心电导出呼吸（Electrocardiogram-derived respiration,EDR）信号,对RR间期序列及EDR信号进行时域、频域及非线性分析,共获得46个特征值。使用Mann-Whitney U非参数检验分析各个特征在正常睡眠信号及睡眠呼吸暂停信号之间的显着性差异,删除无显着差异的特征。（2）稳定特征选择研究。基于三种性能良好的特征选择方法:最小冗余最大相关（mRMR）法、ReliefF法、ILFS法及一种稳健排序聚合（RRA）方法,建立了四种稳定特征选择方法,分别为:ReliefF-RRA方法、mRMR-RRA方法、ILFS-RRA方法及FP-RRA方法,其中FP-RRA方法是将以上三种基本排序方法集成在一起。结果表明:ReliefF-RRA方法、mRMR-RRA方法的稳定性优于ILFS-RRA方法及FP-RRA方法。4种方法排名前20的特征中,共有的特征均来自RR间期,包括:RRcorr2、RRcorr3、RRcorr4、FMEn,这些特征具有良好的稳定性及区分能力。（3）睡眠呼吸暂停诊断模型研究。将上述四种方法得到的特征排序结果分别应用于RBF核-支持向量机（RBF-SVM）、K-最近邻（KNN）、线性判别分析（LDA）分类器,观察分类准确率随特征数量变化的情况。将表现最佳的特征选择方法与分类器结合,组成最终分类模型,并应用于独立测试集进行性能验证。结果表明:三种分类器中RBF-SVM的表现最好。ReliefF-RRA方法与FP-RRA方法在各分类器上的表现优于mRMR-RRA方法及ILFS-RRA方法。综合特征选择方法的稳定性及在各分类器上的表现,本文将ReliefF-RRA方法与RBF-SVM结合训练最终分类模型。使用ReliefF-RRA方法得到的前33个特征,在测试集上实现准确率（Acc）为92.17%,灵敏度（Se）为87.70%,特异性（Sp）为94.46%。
王鑫靓[7]（2020）在《重复测量方差分析的数据检验在植物生长调节剂研究中的应用及程序实现》文中认为该文结合植物生长调节剂对草坪草生长的影响试验结果,阐述了在重复测量实验的方差分析中对数据进行检验的重要性,并介绍了应用Python语言实现检验的方式。
舒贤帆[8]（2019）在《城市路网空间复杂性的一般和分异性质探索》文中认为伴随着全球城市化进程以及城市本身的复杂化趋势,城市议题对于人类社会可持续发展的重要性越发突出,建立相应的城市科学进而成为一项时代命题。然而由于当前的城市研究仍处于前范式时期,探讨城市现象的一般性就成为了现阶段的首要任务。而在城市的各项属性中,空间形态是其本底性要素,复杂性是其本质性特征,那么综合反映这两点的空间复杂性就应是城市研究的重点领域。鉴于此,城市道路作为城市空间形态各要素中最稳定的一类用地,其形态对城市的运行有着极其关键的影响,此外其在各用地类型中独一无二的网络形态又赋予了其被多种空间语言进行描述的潜力,是探索多维度复杂性,尤其是空间复杂性的良好“桥梁”。故而,对于探索城市空间复杂性的一般和分异性质而言,路网就是一个非常合适的切入视角。而在实践层面上,研究路网空间复杂性一方面能为探索路网的优化形态提供参考,另一方面也能帮助明确中国城市在路网空间复杂性上于世界城市之林中的特征地位,并为其提供可供借鉴的参照城市样本。因而本文的主要研究目的即是探索城市路网空间复杂性的一般和分异性质,具体内容则主要按以下四个部分逐步展开:第一部分,界定空间复杂性内涵,建立分析框架。首先在回顾复杂性研究进程、总结其核心理念的基础上,明确了空间复杂性的界定思路的基本意涵,提出了城市人地系统中土地空间复杂性的二元认知框架,然后结合对“一般性”概念的界定提出本文具体的分析框架与测度体系。第二部分,探索城市路网空间复杂性的一般性。在全球范围内选取了 1040个城市样本,利用上述测度体系测度了各样本城市路网的空间复杂性特征,然后考察各项测度指标的结果分布以及其之间关联。第三部分,探索城市路网空间复杂性的分异性。利用主成分分析提炼了刻画城市路网空间复杂性的特征向量,然后利用凝聚聚类对样本城市进行类型划分,最后对各类型之间的属性分异和地理分异情况进行分析。第四部分,探索上述性质背后可能的演化规则。提出城市路网生成的若干演化规则假说,进行相应数理化表达,据此构建城市路网演化模型,探讨不同演化规则影响下的路网空间复杂性特征,从而为解释现实中城市路网空间复杂性的一些性质提供参考。论文的主要研究结论如下:（1）城市人地系统中土地的空间复杂性具有空间本征复杂性和空间表征复杂性的双重意涵。土地的空间本征复杂性是指当土地空间形态本身超越了以整形几何为代表的“空间简单性”而呈现出分形特征时而显示出的复杂性。土地的空间表征复杂性是指土地受其承载的人类社会系统所具备的复杂性特征影响而呈现出的特定形态或结构,其中又以系统的组织性和目的性两个维度最为突出,其作用于土地空间形态与结构时就体现为后者的自组织程度与功能水平。（2）一般性方面,城市路网在空间复杂性上具有较强的一般性。首先,就空间本征复杂性而言,形态分形和结构分形普遍存在,不过无论是形态上抑或是结构上的幂律分布则均只存在于各城市路网体系中数量占比较少的高等级道路之中。其次,就空间表征复杂性而言,路网自组织程度和功能水平各测度的分布均呈峰态分布,体现出较强的一致性。最后,两类空间复杂性单一测度之间整体关联较弱,体现出较强的独立性。（3）分异性方面,城市路网在空间复杂性上存在一定分异性,可划分为五种类型。类型一城市的路网规模最小,自组织程度偏低,形态分维数高,长度等级结构凸显,在效率和鲁棒性上表现最优,日韩等亚洲经济发达地区在这一类型上有着较多的分布。类型二城市规模最大,其路网受规划程度有限,虽然覆盖水平良好,但整体功能水平偏弱,对应着现实中欠规划的大城市。类型三城市的路网在本征复杂性的各项因子上均很低,功能水平与类型二相仿,整体上处于欠发育状态,对应着现实中正处于发展中阶段的城市路网形态,非洲和亚洲发展中地区的城市有较多分布。类型四城市是一类强规划城市,其路网具备最高的结构分形因子,中国大陆和北美地区有较多分布,可能代表着机动车导向下的路网形态。类型五城市路网的长度分布和度分布“异配”,有着很高的依度失效稳健性,欧洲和拉美城市有较多的分布。（4）进一步地,各地域在五种城市路网类型的分布上存在一定的分异和联系。首先,欧洲和拉美地区的分布相近,以类型一、类型三和类型五为主导,这一相似性可能是源自后者所受前者的殖民影响。其次,非洲和亚洲发展中地区有着类似的分布,均以类型三为主导,可能是源自二者相近的发展阶段。再次,日韩等亚洲发达地区的城市主要以类型一为主,故而在路网形态方面是值得借鉴学习的地域。最后,中国大陆地区与北美地区有着一定的相似性,二者均是以类型二和类型三为主导,这可能是源自前者对后者规划理念和经验的广泛引进。（5）圈结构机制和连接效用原则能为现实中城市路网空间复杂性的一些特征提供解释。计算机模拟实验显示,城市路网形态分形和结构分形均是非常稳健的性质,不过路网生成过程中连接效用因素的引入会削弱后者的普适性,这可能是现实中一部分城市的路网在结构分形上的契合度相对较低的原因;路划长度分布的无标度性可能与城市本身的集聚经济相关;路划度分布的无标度性在树状生长的路网中常见,圈结构的引入则会破坏这一特性,这为解释现实中为何只有数量稀少的高等级道路体系才呈现无标度分布提供了一个可能的解释。
徐卫超[9]（2019）在《面板数据空间误差模型中的斜率同质性检验》文中认为近年来,空间面板数据模型在实证研究中得到广泛应用,得益于刻画扰动项中的截面相关性,空间误差模型备受青睐。然而,传统的面板数据空间误差模型对各截面系数施加了同质性的这一约束性很强的假设,在实证层面,政策实施者可能更加关注异质性影响,而基于同质性空间误差模型的系数估计量只是平均效应。在理论层面,错误识别各截面系数的种类可能会产生非一致和/或者非有效的估计量,进而影响统计推断和假设检验。因此,在运用传统空间误差模型之前,有必要对各截面斜率系数的同质性进行检验。另一方面,目前关于面板数据模型中截面斜率同质性检验的理论研究主要集中在扰动项具有自相关、异方差、由因子交互项导致的强截面相关三个方向,本文在扰动项具有由空间自回归结构产生的弱截面相关性的框架下,致力于检验截面系数同质性,可以进一步丰富截面同质性检验方面的理论研究。首先,本文将随机系数引入到传统的面板数据模型中,从而建立起各截面斜率具有异质性的空间误差模型,针对检验各截面系数的同质性的假设检验问题,进一步确立了原假设和备择假设,并构造了LM检验统计量,在正态、独立同分布的假设下,本文严格证明了LM检验统计量的极限分布是是自由度为解释变量个数的卡方分布,同时理论分析表明该LM检验统计量具有一定的局部检验功效。其次,本文放松了正态性的假设,将得分向量的方差协方差矩阵进行调整,从而构造了第一个稳健检验统计量LM1robust,并且基于White（1982）的拟极大似然估计理论,考虑到潜在的模型误设,构造了第二个稳健检验统计量LM2robust,进一步,本文给出了两个稳健检验统计量极限分布的证明思路。Monte Carlo模拟结果显示,第一,在空间误差模型的数据生成过程下,另外三种LM型检验统计量:BEA统计量（Breitung at al.,2016）、JL统计量（Juhl and Lugovskyy,2014）、SC统计量（Su and Chen,2013）的有限样本性质很差,而本文的LM检验统计量的Size和Power则表现得更为良好。第二,在正态情形下,无论是N>T还是T>N,本文的LM检验统计量的有限样本性质均表现良好,并且扰动项中更强的空间相关性会增加Power。第三,在非正态情形下,第二个稳健检验统计量LM2robust在短面板、长面板中的检验尺度扭曲都非常小,而LM、LM1robust在短面板中的实证Size与名义显着性水平具有明显的偏离,在长面板中,这种尺度偏离得到明显减小。并且,扰动项中的更强空间相关性会明显改善三个检验统计量在短面板中的Size表现。在正态情形下或者非正态情形下,无论是在N>T还是T>N时,很难区分LM、LM1robust、LM2robust三个检验统计量的Power优劣,三个检验统计量的Power随T增加的速度均比随N增加的速度要快。第四,在异方差的情形下,无论是N>T还是T>N时,第二个稳健检验统计量LM2robust的尺度扭曲都非常小,而LM、LM1robust的尺度扭曲非常大,但是,扰动项中更强的空间相关性会显着减小LM、LM1robust检验统计量的尺度扭曲。
李巧钰[10]（2017）在《含能材料缺陷的判别方法》文中研究说明含能材料是一类具有爆炸性基团或者含有氧化剂和可燃物,能独立进行快速化学反应并输出能量的化合物或混合物。它因能量的惊人突破而被广泛应用于国防、军事等领域。现如今在对含能材料性质的科学研究中,从影响其性质的可能性因素入手,根据这些因素的取值较为准确地判别其中所含缺陷的相关研究仍旧较少。因此充分利用统计学的相关理论来解决这一问题具有十分重要的意义。本文从统计学角度出发,基于正交试验设计,运用方差分析的方法初步确定了影响含能材料CT扫描值的显着性因素,并给出了不同条件下判别缺陷类型的区间估计方法;然后结合均匀试验设计理论,设计出试验方案;针对均匀试验数据,应用分层聚类方法将四种类型的缺陷区分开;结合区间估计的理论,给出有效判别四种缺陷类型的分析方法。为判别含能材料的缺陷类型提供了理论依据。
二、一种稳健的方差齐性检验方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种稳健的方差齐性检验方法（论文提纲范文）
（1）序贯试验和添加次序试验的设计与分析（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景 |
| 第二节 预备知识 |
| 第二章 正交均匀复合设计 |
| 第一节 引言 |
| 第二节 正交均匀复合设计的构造 |
| 第三节 正交均匀复合设计的性质 |
| 第四节 数值比较 |
| 第五节 本章小结 |
| 附录：证明 |
| 第三章 序贯好格子点集 |
| 第一节 引言 |
| 第二节 序贯好格子点集 |
| 第三节 主要结果 |
| 第四节 数值比较 |
| 第五节 本章小结 |
| 附录：证明 |
| 第四章 重复的添加次序试验的分析 |
| 第一节 引言 |
| 第二节 主要结果 |
| 第三节 数值模拟1 |
| 第四节 数值模拟2 |
| 第五节 本章小结 |
| 第五章 添加次序试验的稳健双重响应优化 |
| 第一节 引言 |
| 第二节 添加次序试验的稳健双重响应优化 |
| 第三节 主要结果 |
| 第四节 讨论和扩展 |
| 第五节 数值模拟 |
| 第六节 本章小结 |
| 附录：证明 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的学术论文与研究成果 |
| 个人简历 |
（2）分位数多水平项目反应理论及异常反应行为研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一部分 分位数多水平项目反应理论 |
| 第一章 引言 |
| 第二章 模型的建立与估计 |
| 2.1 分位数多水平项目反应理论模型 |
| 2.2 贝叶斯分析 |
| 2.3 模拟研究 |
| 第三章 实例分析和总结 |
| 3.1 实例分析 |
| 3.2 总结 |
| 第二部分 异常反应行为研究 |
| 第四章 引言 |
| 第五章 变点分析方法和反应时间模型 |
| 5.1 变点分析方法 |
| 5.2 反应时间模型 |
| 第六章 方法的提出 |
| 6.1 异常反应行为对MLIRT和 Q-MLIRT模型参数估计的影响 |
| 6.2 贝叶斯变点分析方法 |
| 6.3 模拟研究 |
| 第七章 实例分析和总结 |
| 7.1 实例分析 |
| 7.2 总结 |
| 总结与讨论 |
| 参考文献 |
| 致谢 |
| 在学期间公开发表及投稿论文情况 |
（4）企业生命周期、CEO权力与研发投资（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 现实背景 |
| 1.1.2 理论背景 |
| 1.2 研究问题及研究意义 |
| 1.2.1 研究问题 |
| 1.2.2 研究意义 |
| 1.3 研究思路与研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 论文结构与章节安排 |
| 1.5 创新之处 |
| 第二章 理论基础与文献回顾 |
| 2.1 理论基础 |
| 2.1.1 代理理论 |
| 2.1.2 企业资源理论 |
| 2.1.3 企业生命周期理论 |
| 2.2 文献回顾 |
| 2.2.1 CEO权力及其异质性 |
| 2.2.2 CEO权力与企业绩效 |
| 2.2.3 CEO权力与风险承担 |
| 2.2.4 CEO权力与研发投资 |
| 2.2.5 文献评述 |
| 2.3 本章小结 |
| 第三章 理论框架与研究假设 |
| 3.1 理论框架 |
| 3.2 研究假设 |
| 3.2.1 CEO综合权力假设 |
| 3.2.2 CEO异质权力假设 |
| 3.2.3 嵌入企业生命周期的CEO权力假设 |
| 3.3 本章小结 |
| 第四章 研究设计 |
| 4.1 样本筛选与数据收集 |
| 4.1.1 样本筛选 |
| 4.1.2 数据收集 |
| 4.2 变量定义及测量 |
| 4.2.1 企业研发投资 |
| 4.2.2 CEO权力 |
| 4.2.3 企业生命周期 |
| 4.2.4 控制变量 |
| 4.3 回归模型设定 |
| 4.4 本章小结 |
| 第五章 实证结果 |
| 5.1 描述性统计与相关分析 |
| 5.1.1 描述性统计 |
| 5.1.2 相关分析 |
| 5.2 回归分析与稳健性检验 |
| 5.2.1 CEO综合权力与企业研发投资 |
| 5.2.2 CEO异质权力与企业研发投资 |
| 5.2.3 企业生命周期、CEO权力与企业研发投资 |
| 5.3 CEO权力效应的进一步研究 |
| 5.3.1 CEO异质权力的联合影响效应 |
| 5.3.2 董事会规模和机构投资者持股的调节效应 |
| 5.4 本章小结 |
| 第六章 研究结果讨论 |
| 6.1 假设检验结果汇总 |
| 6.2 研究结果的理论启示 |
| 6.3 研究结果的实践启示 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）全基因组关联分析中荟萃分析的异质性和重叠数据问题的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景阐述 |
| 1.1.1 单核苷酸多态性 |
| 1.1.2 染色体的结构变异 |
| 1.1.3 全基因组关联分析 |
| 1.1.4 荟萃分析 |
| 1.2 国内外研究现状 |
| 1.3 本选题的研究意义与挑战 |
| 1.3.1 研究意义 |
| 1.3.2 挑战 |
| 1.4 本文的主要工作与结构安排 |
| 1.4.1 主要工作 |
| 1.4.2 结构安排 |
| 第二章 固定效应模型和随机效应模型下常见的荟萃分析方法 |
| 2.1 逆方差权重方法 |
| 2.1.1 SNP主效应模型 |
| 2.1.2 SNP主效应的假设检验 |
| 2.1.3 SNP-环境交互作用模型 |
| 2.2 SNP与 SNP-环境交互作用联合检验的方法 |
| 2.3 荟萃回归分析方法 |
| 2.3.1 荟萃回归分析方法的假设检验 |
| 2.3.2 荟萃回归分析方法的非线性SNP-环境交互作用模型 |
| 2.4 传统的随机效应模型 |
| 2.5 Han的随机效应模型 |
| 2.6 Lin-Sullivan方法 |
| 2.7 解耦方法 |
| 2.8 Lee的随机效应模型方法 |
| 2.8.1 优化相关数据集的荟萃分析 |
| 2.8.2 改进的随机效应模型方法 |
| 2.9 本章小结 |
| 第三章 有异质性的SNP-环境交互作用检验的荟萃分析方法 |
| 3.1 引言 |
| 3.2 随机效应荟萃回归分析方法介绍 |
| 3.3 RMR的假设检验 |
| 3.3.1 RMR的 SNP-环境交互作用检验 |
| 3.3.2 RMR的 SNP与 SNP-环境交互作用联合检验 |
| 3.3.3 RMR的 SNP-环境交互作用的异质性检验 |
| 3.3.4 RMR的 SNP-环境交互作用检验的似然率的分解 |
| 3.4 RMR的仿真实验 |
| 3.4.1 RMR的仿真方法 |
| 3.4.2 RMR的原分布 |
| 3.4.3 RMR的检验统计力 |
| 3.5 关于RMR的讨论 |
| 3.6 本章小结 |
| 第四章 有异质性的SNP与 SNP-环境交互作用联合检验的荟萃分析方法 |
| 4.1 引言 |
| 4.2 固定效应模型下JMA的似然函数检验 |
| 4.2.1 SNP-环境交互作用的似然函数检验 |
| 4.2.2 SNP与 SNP-环境交互作用的似然函数联合检验 |
| 4.3 随机效应模型SNP与 SNP-环境交互作用联合检验方法 |
| 4.3.1 RJMA的似然函数估计 |
| 4.3.2 RJMA的交互作用检验 |
| 4.3.3 RJMA的联合作用检验 |
| 4.4 RJMA的仿真实验 |
| 4.4.1 RJMA的仿真方法 |
| 4.4.2 RJMA的原分布 |
| 4.4.3 RJMA的检验统计力 |
| 4.5 关于RJMA的讨论 |
| 4.6 本章小结 |
| 第五章 有重叠数据的SNP-环境交互作用检验的固定效应模型方法 |
| 5.1 引言 |
| 5.2 有重叠数据的荟萃回归分析方法 |
| 5.2.1 相关矩阵 |
| 5.2.2 OMR的假设检验 |
| 5.3 OMR的仿真实验 |
| 5.3.1 OMR的仿真方法 |
| 5.3.2 OMR的原分布 |
| 5.3.3 OMR的检验统计力 |
| 5.4 关于OMR的讨论 |
| 5.5 本章小结 |
| 第六章 有重叠数据和异质性的SNP-环境交互作用的模型和检验方法 |
| 6.1 引言 |
| 6.2 随机效应模型下有重叠数据的荟萃回归分析方法 |
| 6.2.1 ROMR的 SNP-环境交互作用检验 |
| 6.2.2 ROMR的 SNP与 SNP-环境交互作用联合检验 |
| 6.3 ROMR的仿真实验 |
| 6.3.1 ROMR的仿真方法 |
| 6.3.2 ROMR的原分布 |
| 6.3.3 ROMR的检验统计力 |
| 6.4 关于ROMR的讨论 |
| 6.5 本章小结 |
| 第七章 结论和展望 |
| 7.1 本文的工作总结 |
| 7.2 本文的工作展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于ECG信号的睡眠呼吸暂停检测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义及现状 |
| 1.2 研究内容及章节安排 |
| 第2章 特征提取及显着性差异分析 |
| 2.1 信号预处理 |
| 2.1.1 ECG信号去噪 |
| 2.1.2 RR间期提取及矫正 |
| 2.1.3 EDR信号计算过程 |
| 2.1.4 数据库介绍 |
| 2.2 特征提取 |
| 2.2.1 时域特征 |
| 2.2.2 频域特征 |
| 2.2.3 非线性特征 |
| 2.3 显着性差异分析 |
| 2.3.1 Mann-Whitney U检验 |
| 2.3.2 结果与分析 |
| 2.4 本章小结 |
| 第3章 稳定特征选择研究 |
| 3.1 稳定特征选择策略简介 |
| 3.2 特征选择方法与稳健排序聚合方法 |
| 3.2.1 ReliefF算法 |
| 3.2.2 mRMR算法 |
| 3.2.3 ILFS算法 |
| 3.2.4 稳健排序聚合 |
| 3.2.5 稳定的特征选择方法建立 |
| 3.3 结果与讨论 |
| 3.4 本章小结 |
| 第4章 睡眠呼吸暂停检测模型研究 |
| 4.1 机器学习方法简介 |
| 4.1.1 支持向量机分类器 |
| 4.1.2 K-最近邻分类器 |
| 4.1.3 线性判别分析分类器 |
| 4.2 研究结果与分析 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文 |
| 学位论文评阅及答辩情祝表 |
（7）重复测量方差分析的数据检验在植物生长调节剂研究中的应用及程序实现（论文提纲范文）
| 1 引言 |
| 2 试验设计 |
| 3 试验数据及检验 |
| 3.1 检验1:描述性统计检验 |
| 3.2 检验2:数据分布检验 |
| 3.3 检验3:球性检验 |
| 4 结论 |
（8）城市路网空间复杂性的一般和分异性质探索（论文提纲范文）
| 致谢 摘要 Abstract 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 城市化浪潮下的城市研究 |
| 1.1.2 科学史视角下的城市研究 |
| 1.1.3 对称性视角下的城市研究 |
| 1.1.4 新数据环境下的城市研究 |
| 1.1.5 小结 |
| 1.2 研究视角 |
| 1.2.1 空间形态:城市研究的基础领域 |
| 1.2.2 复杂性:城市研究的应有之义 |
| 1.2.3 道路:具备特殊空间形态的用地类型 |
| 1.2.4 小结 |
| 1.3 研究问题、目标和内容 |
| 1.3.1 研究问题和目标 |
| 1.3.2 研究内容和章节安排 |
| 1.4 研究意义 |
| 1.4.1 理论意义 |
| 1.4.2 现实意义 2 文献综述 |
| 2.1 城市路网的空间复杂性测度 |
| 2.1.1 分形路网特征研究 |
| 2.1.2 复杂路网特性研究 |
| 2.2 城市路网的一般性与分异性 |
| 2.2.1 研究样本分布 |
| 2.2.2 空间一般性和分异性 |
| 2.2.3 时间一般性和分异性 |
| 2.3 城市路网的演化模拟 |
| 2.3.1 分形路网的演化模拟 |
| 2.3.2 复杂路网的演化模拟 |
| 2.4 研究评述 3 理论基础和研究框架 |
| 3.1 复杂性 |
| 3.1.1 复杂性的研究历程 |
| 3.1.2 复杂性的概念内涵 |
| 3.2 空间复杂性 |
| 3.2.1 空间本征复杂性 |
| 3.2.2 空间表征复杂性 |
| 3.2.3 空间复杂性的认知框架 |
| 3.3 研究框架 |
| 3.3.1 一般性和分异性 |
| 3.3.2 本文的分析框架 4 路网表达与测度方法 |
| 4.1 路网的图表达 |
| 4.2 空间本征复杂性测度 |
| 4.2.1 空间形态复杂性 |
| 4.2.2 空间结构复杂性 |
| 4.2.3 参数估计 |
| 4.3 空间表征复杂性测度 |
| 4.3.1 自组织程度 |
| 4.3.2 功能水平 |
| 4.4 本章小结 5 样本选取和数据预处理 |
| 5.1 数据来源与质量 |
| 5.1.1 数据来源 |
| 5.1.2 OSM数据质量 |
| 5.2 城市界定与选取 |
| 5.2.1 城市范围划定 |
| 5.2.2 城市样本选取 |
| 5.3 路网简化 |
| 5.4 本章小结 6 城市路网空间复杂性的一般性分析 |
| 6.1 城市路网空间形态复杂性的一般性质 |
| 6.1.1 路划长度分布的一般性 |
| 6.1.2 形态分形的一般性 |
| 6.1.3 相关性分析 |
| 6.2 城市路网空间结构复杂性的一般性质 |
| 6.2.1 路划度分布的一般性 |
| 6.2.2 结构分形一般性 |
| 6.2.3 相关性分析 |
| 6.3 城市路网自组织程度与空间本征复杂性 |
| 6.3.1 自组织程度的分布 |
| 6.3.2 自组织程度和空间形态复杂性 |
| 6.3.3 自组织程度和空间结构复杂性 |
| 6.4 城市路网功能水平与空间本征复杂性 |
| 6.4.1 功能水平的分布 |
| 6.4.2 功能水平与空间形态复杂性 |
| 6.4.3 功能水平与空间结构复杂性 |
| 6.5 本章小结 7 城市路网空间复杂性的分异性分析 |
| 7.1 特征向量构建 |
| 7.2 聚类算法选择 |
| 7.2.1 算法选择和参数设置 |
| 7.2.2 质量评估和结果确定 |
| 7.3 城市路网的分异性分析 |
| 7.3.1 各类型城市的属性分异 |
| 7.3.2 各类型城市的地域分异 |
| 7.4 本章小结 8 城市路网空间复杂性的演化模拟 |
| 8.1 基于连接成本最小化的演化模拟 |
| 8.1.1 模型设计 |
| 8.1.2 模拟结果分析 |
| 8.2 考虑连接效用的演化模拟 |
| 8.2.1 模型设计 |
| 8.2.2 模拟结果分析 |
| 8.3 本章小结 9 总结与展望 |
| 9.1 结论 |
| 9.2 可能创新点 |
| 9.3 实践启示 |
| 9.4 不足与展望 参考文献 附录 |
| 附表1 分形路网分析的代表性研究 |
| 附表2 复杂路网分析的代表性研究 |
| 附表3 复杂路网的测度方法 |
| 附表4 各变量的正态性检验结果 |
| 附表5 各变量的方差齐性检验结果 作者简介 |
（9）面板数据空间误差模型中的斜率同质性检验（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 研究内容、结构、方法和创新点 |
| 2 文献综述 |
| 2.1 面板数据模型中斜率同质性检验 |
| 2.2 空间面板数据模型中的斜率异质性 |
| 2.3 文献评述 |
| 3 截面系数异质性的空间误差模型的建立和假设检验 |
| 3.1 模型设定 |
| 3.2 LM检验统计量的构造 |
| 3.3 极限分布的证明 |
| 3.4 检验统计量的局部功效分析 |
| 3.5 本章小结 |
| 4 稳健检验统计量的构造 |
| 4.1 Breitung型稳健检验统计量 |
| 4.2 White型稳健LM检验统计量的构造 |
| 4.3 本章小结 |
| 5 检验统计量的有限样本性质研究 |
| 5.1 基本的数据生成过程说明 |
| 5.2 错误识别DGP对于斜率同质性检验的影响 |
| 5.3 本文LM检验统计量的有限样本性质仿真 |
| 5.4 稳健LM检验统计量的有限样本性质仿真 |
| 5.5 本章小结 |
| 6 结论和研究展望 |
| 6.1 主要研究结论 |
| 6.2 研究不足之处与展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表的论文 |
| 附录2 论文的主要Matlab程序 |
（10）含能材料缺陷的判别方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 含能材料研究现状 |
| 1.2.2 CT扫描技术的研究现状 |
| 1.3 基础理论 |
| 1.3.1 正态性检验 |
| 1.3.2 方差齐性检验 |
| 1.4 论文结构 |
| 第2章 筛选试验及其数据分析 |
| 2.1 正交试验设计 |
| 2.1.1 问题分析 |
| 2.1.2 正交试验设计 |
| 2.2 方差分析 |
| 2.2.1 正态性检验 |
| 2.2.2 方差齐性检验 |
| 2.2.3 方差分析 |
| 2.3 初步区间估计 |
| 第3章 均匀试验设计 |
| 3.1 问题描述 |
| 3.2 设计构造基本思路 |
| 3.3 具体实施过程 |
| 第4章 均匀试验数据分析 |
| 4.1 试验数据量化处理 |
| 4.2 K-means聚类分析 |
| 4.2.1 聚类算法 |
| 4.2.2 弹药分离 |
| 4.2.3 精确判别缺陷类型 |
| 4.3 区间估计 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
四、一种稳健的方差齐性检验方法（论文参考文献）
- [1]序贯试验和添加次序试验的设计与分析[D]. 张雪汝. 南开大学, 2021(02)
- [2]分位数多水平项目反应理论及异常反应行为研究[D]. 朱红月. 东北师范大学, 2021(09)
- [3]基于网络结构的高维协方差矩阵估计[J]. 王许蓁,金百锁. 应用概率统计, 2020(04)
- [4]企业生命周期、CEO权力与研发投资[D]. 周建庆. 华南理工大学, 2020(01)
- [5]全基因组关联分析中荟萃分析的异质性和重叠数据问题的研究[D]. 靳琴琴. 西安电子科技大学, 2020(05)
- [6]基于ECG信号的睡眠呼吸暂停检测模型研究[D]. 董孝彤. 山东大学, 2020(02)
- [7]重复测量方差分析的数据检验在植物生长调节剂研究中的应用及程序实现[J]. 王鑫靓. 安徽农学通报, 2020(09)
- [8]城市路网空间复杂性的一般和分异性质探索[D]. 舒贤帆. 浙江大学, 2019(07)
- [9]面板数据空间误差模型中的斜率同质性检验[D]. 徐卫超. 华中科技大学, 2019(03)
- [10]含能材料缺陷的判别方法[D]. 李巧钰. 北京理工大学, 2017(03)