导读:本文包含了差分回归分析论文开题报告文献综述及选题提纲参考文献,主要关键词:自贸区,经济增长效应,双重差分空间自回归,动态分析
差分回归分析论文文献综述
张军,闫东升,冯宗宪,李诚[1](2019)在《自由贸易区的经济增长效应研究——基于双重差分空间自回归模型的动态分析》一文中研究指出使用2009—2017年省级面板数据,基于双重差分空间自回归模型,从总体考察、区域比较、时间趋势等多角度就我国现有11个自贸区对地区经济增长的影响强度展开经验研究。结果表明:(1)从总体上看,自贸区设立对经济增长均具有显着正向促进效应。从效应强度看,相较人均国内生产总值,其对国内生产总值总量的促进作用更大。从空间效应看,各自贸区对周边省份的空间正向溢出效应均比较显着。(2)从区域比较看,沿海自贸区对经济增长的正向促进效应小于内陆型自贸区。(3)从时间趋势看,叁批自贸区对经济增长的正向促进效应呈现先下降后上升的U形趋势。据此,应加大自贸区战略实施力度,完善自贸区空间辐射机制;优化自贸区空间布局,推动自贸区因地制宜地差异化发展;设计自贸区梯度发展路径,充分释放系统化协同效应,以推动自贸区战略更好地服务于我国经济发展。(本文来源于《经济经纬》期刊2019年04期)
葛宇航[2](2019)在《基于差分隐私的线性回归分析》一文中研究指出回归分析技术在发布回归模型的过程中存在隐私泄漏的风险,为解决这一问题,提出两种基于差分隐私的线性回归模型,即直接添加噪声机制和函数机制,同时还将对这两种机制的性能进行分析,衡量不同应用场景下两种机制的优缺点,实现数据的隐私性和可用性之间的平衡。(本文来源于《科技经济导刊》期刊2019年14期)
高文,黄钢,韩晓莉[3](2018)在《基于蚊密度差分自回归移动平均模型预测流行性乙型脑炎的贝叶斯判别分析研究》一文中研究指出目的利用贝叶斯(Bayes)判别分析方法探讨河北省流行性乙型脑炎(乙脑)发生与蚊密度时间序列预测模型的关系,验证差分自回归移动平均(ARIMA)模型在病媒生物监测信息管理系统中对蚊密度的预测及关联乙脑病例的预警作用。方法收集河北省2009-2016年乙脑报告病例资料和蚊密度监测资料进行统计分析,采用ARIMA模型进行建模拟合及预测分析;利用Bayes判别分析论证蚊密度预测模型与乙脑的关系。结果通过ARIMA模型对总蚊密度进行拟合得出最优模型ARIMA(0,1,1)×(0,1,1)12;2009-2016年河北省总蚊密度与乙脑呈正相关(r=0.101,P=0.043);将Bayes判别分析用于河北省总蚊密度时间序列模型预测值判别2个月后的乙脑发病情况,与实际乙脑发生情况比较符合率为0.631 6,总蚊密度监测值与ARIMA模型的预测值对密度高峰后2个月的乙脑发病状况Bayes判别结果符合率为100%。结论 Bayes判别分析可应用于河北省总蚊密度时间序列模型预测值对乙脑疫情的预警,通过建立模型对蚊密度预测,可以利用病媒生物监测信息管理系统蚊虫监测数据对蚊媒传染病的防控工作提供预警支撑。(本文来源于《中国媒介生物学及控制杂志》期刊2018年06期)
周大力[4](2018)在《基于Laplace机制的差分隐私回归分析相关优化研究》一文中研究指出近些年来,随着互联网的发展,数据量明显增加。我们每个人的信息也日益增多,这些信息都有着很大的价值。网络如此发达的今天,我们在日常生活中很多行为都有暴露我们信息的可能性。这些数据都有着很大的商业价值,会带来很大的商业回报,所以这些信息都面临着随时可能被窃取的危险。在当今社会,对待隐私的安全已经成为了一个当务之急,很多关于隐私保护方面研究也都在进行。隐私保护是当前针对个人信息保护的一种十分有效的方式。它的具体实现就是向数据中添加噪声,使得真实的数据不能被攻击者获得,这样就保护了我们的信息。这种方法大大加强了保护隐私的能力,但缺点就是当噪声过多的时候,对数据的可用性降低。本文就是针对前人利用差分隐私拉普拉斯机制研究的线性回归分析基础之上,针对时间复杂度过高以及噪声添加过多的问题进行改进。针对这两个问题采取空间交换时间的方法,降低时间复杂度。当需要对数据进行噪声添加的时候,首先对数据进行筛选,然后添加噪声,从而降低噪音的添加量。本算法有以下两个特点:一、在对数据添加噪声之前对数据进行筛选以及优化,从而减少噪声的添加量。二、不再采用常数噪声添加,提高了数据的安全性。将随机噪声进行排序对应加入到排序好的数据中,提高了数据的可用性。由于将数据直接添加到回归分析之中,会引发隐私泄露问题,所以利用差分隐私拉普拉斯机制使用我设计的算法去添加噪声,将处理过得数据再加入回归分析之中,很大程度的提高了数据的安全性。具体工作如下:一、阅读现有的有关隐私保护以及差分隐私方面的文献,研究目前差分隐私方面的工作进展,找出其中的不足,对其中的内容进行分析,得到现行可以进行改进的方面。二、在理论层面进行研究,对采取方法进行理论分析。叁、建立数学模型,对模型进行改进,最后通过实验对模型验证。(本文来源于《黑龙江大学》期刊2018-03-25)
葛亮[5](2017)在《季节性差分时空地理加权回归在HFRS分析中的应用》一文中研究指出为了更好地利用模型对湖北省肾综合征出血热(Hemorrhagic fever with renal syndrome,HFRS)发病率数据的时间和空间分布进行拟合和预测,本文基于传统的时空地理加权回归模型(Geographically and Temporally Weighted Regression model,GTWR),引入时间序列中的季节性差分方法,同时采用空间自相关法优化模型中的带宽参数,构建了季节性差分时空地理加权回归模型(Seasonal Difference-Geographically and Temporally Weighted Regression model,SDGTWR)。研究结果表明,经过季节性差分优化的GTWR模型拟合精度要优于传统的GTWR模型及最小二乘法模型(OLS)和地理加权模型(GWR)方法。(本文来源于《城市勘测》期刊2017年05期)
刘瑞,钟辰[6](2017)在《地方政府预算软约束对财政扩张激励的影响研究——基于我国地级市营改增试点的双重差分回归分析》一文中研究指出政府间财政上的预算软约束通常由动态承诺问题所导致,然而,实证上却很难观测到政府间预算软约束的相关证据。文章利用试点营改增的地区差别及时间先后构建双重差分回归模型。实证结果表明,营改增政策导致地级市政府科学事业支出占其财政支出比重提高28.5%至32.5%。地方政府预期营业税收入减少之后,仍然呈现出显着的财政扩张冲动,意味着地方政府财政层面的预算软约束。由于试点营改增的地区与当地政府科学事业支出占其财政支出之比可能存在相互影响,文章进一步利用相关测度预算软约束的代理变量进行稳健性检验。结果表明,即使在财政预算内支出普遍并且经常小于预算内收入的情形,地方政府仍然倾向于进行财政扩张,预算软约束以及关于未来财政红利的预期最终使得地方政府倾向于维持经常性以及普遍性的财政赤字。(本文来源于《现代管理科学》期刊2017年10期)
王宝楠[7](2016)在《基于差分隐私拉普拉斯机制的线性回归分析研究》一文中研究指出随着大数据时代的到来,数据分析、统计与发布等应用需求的出现,使得相关社会机构可以获得大量个人和组织的数据信息进行数据挖掘与分析研究,从而带来商业价值和科研价值。例如各大商场的顾客购物数据、各个楼盘顾客购房的信息、移动营业厅用户的业务办理信息、各大银行客户信息、证券公司个人交易数据的分析与统计等。但是,这些数据涉及到大量个人隐私信息,一旦对这些数据发布和分析,都面临着隐私泄露的问题,因此如何对隐私数据进行保护以防止敏感信息泄露已经成为当前面临的艰巨任务。差分隐私保护技术是当前数据发布中最主要的隐私保护方法。它通过向查询数据中添加噪音来干扰攻击者泄露原始数据的目的,从而达到隐私保护效果。差分隐私保护技术的应用使得数据发布的效率得到了很大的提高,但为了满足差分隐私要求需要注入过高的噪音,影响数据的正确性和可靠性,最终导致结果低质量。本文重点研究差分隐私拉普拉斯机制的线性回归分析方法,该方法对回归分析中的目标函数而不是结果采用差分隐私进行噪声干扰,在每个数据集上进行回归分析,用剩余属性来进行结果预测,最后比较误差率并分析实验结果。实验表明所采用的方法既保护了用户的隐私数据,又不影响线性回归分析的有效性。论文主要做了以下几个方面的研究工作:(1)研究了当前部分差分隐私模型拟合的应用及其不足之处。(2)分析了差分隐私保护模型的基础理论和工作原理。(3)利用差分隐私拉普拉斯机制构建线性回归模型,并对模型进行优化与评估。(本文来源于《安徽理工大学》期刊2016-06-01)
王宝楠,方贤进[8](2016)在《基于差分隐私的线性回归分析》一文中研究指出随着数据分析和发布等应用需求的出现和发展,如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。文中对差分隐私保护技术的基本原理和特征进行了阐述,重点介绍差分隐私下拉普拉斯机制的线性回归分析技术,它既保护了用户的隐私信息,又不影响数据的可用性,达到了研究目的。在对已有技术深入对比分析的基础上,指出了差分隐私保护技术的未来发展方向。(本文来源于《电脑知识与技术》期刊2016年06期)
邹鸿珍[9](2016)在《基于差分隐私的回归分析算法研究》一文中研究指出随着信息技术的不断发展,海量数据的分析和发布等应用引发了研究热潮,回归分析的实际应用也越来越广泛,目前面临的重要挑战是如何保护回归模型参数的隐私数据,防止攻击者根据模型参数推断出敏感信息,造成敏感信息泄露。差分隐私作为一种新出现的隐私模型,不仅可以防止任意背景知识的攻击,也可以在保护数据隐私的同时避免数据失真。针对直接发布回归模型的模型参数,会导致数据集中的数据信息泄露问题,本文着重把差分隐私应用于线性回归模型和逻辑回归模型的分析。研究“基于差分隐私的回归分析算法”,包括以下叁个内容:1.阐述了传统的隐私模型:k-anonymity、l-diversity。通过举例说明这两种模型特点及缺陷,引出?-差分隐私保护,并对差分隐私的噪声机制、组合特性、保护框架和评价指标进行了相关探讨。2.在研究线性回归模型的差分隐私保护时,通常都存在加噪后的线性回归模型敏感性偏大和噪声偏大,造成线性回归模型预测精度偏低问题。针对这个问题,本文提出了一种差异化的隐私预算分配算法Diff_LR,该算法首先把目标函数分解成两个子函数,再分别计算两个子函数的敏感性、分配合理的隐私预算,并采用拉普拉斯机制给两个子函数系数添加噪音,然后对子函数进行组合,得到添加噪声后的目标函数,再求取最优线性回归模型参数。理论证明Diff_LR满足?-差分隐私,通过实验分析也可得出结论:相对于其他隐私保护算法,Diff-LR不仅降低了敏感性,减少噪音添加,也使线性回归模型有更高的预测精度。3.在研究逻辑回归模型的差分隐私保护时,针对预测精度偏低问题,本文提出了一种Diff_Gene算法。该算法结合遗传算法原理,首先对若干候选参数的每一次迭代分配合理的、差异化的隐私预算,然后利用指数机制挑选top-k个较优参数,比较这k个参数被输出的概率,选择被输出概率最大的候选参数,通过不断迭代,求出最优逻辑回归模型参数。实验分析结果证明,Diff_Gene算法在模型预测精度方面比其他隐私保护算法具有更好的效果。综上所述,本文的主要贡献在于对线性回归模型和逻辑回归模型的差分隐私保护进行研究,提出新算法。新算法在保护隐私的同时,提高了回归模型的预测精度。(本文来源于《江西理工大学》期刊2016-05-01)
尹慧琳,杨筱菡[10](2014)在《差分侧信道密码分析中泄露模型的线性回归分析》一文中研究指出从统计学线性回归模型的角度研究密码设备差分侧信道分析攻击中泄露模型的建模及估计,在不需对设备信息泄露有提前了解的情况下,得出线性回归泄露模型,克服了传统泄露模型的局限性.首先,分析能耗泄露的随机模型从而构建线性回归模型,然后用最小二乘估计和最小一乘估计两种方法求解线性回归模型的系数,最后基于八位控制器PayTV-AES智能卡平台实现能耗泄露的建模及系数估计.通过对两种求解方法结果的比较,提出最小二乘估计比最小一乘估计更适合用于泄露模型的线性回归分析;通过对被估模型系数曲线的分析,提出线性回归分析可以用于测量数据的预处理,以提高泄露模型建模效率.(本文来源于《同济大学学报(自然科学版)》期刊2014年02期)
差分回归分析论文开题报告
(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:
回归分析技术在发布回归模型的过程中存在隐私泄漏的风险,为解决这一问题,提出两种基于差分隐私的线性回归模型,即直接添加噪声机制和函数机制,同时还将对这两种机制的性能进行分析,衡量不同应用场景下两种机制的优缺点,实现数据的隐私性和可用性之间的平衡。
(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。
差分回归分析论文参考文献
[1].张军,闫东升,冯宗宪,李诚.自由贸易区的经济增长效应研究——基于双重差分空间自回归模型的动态分析[J].经济经纬.2019
[2].葛宇航.基于差分隐私的线性回归分析[J].科技经济导刊.2019
[3].高文,黄钢,韩晓莉.基于蚊密度差分自回归移动平均模型预测流行性乙型脑炎的贝叶斯判别分析研究[J].中国媒介生物学及控制杂志.2018
[4].周大力.基于Laplace机制的差分隐私回归分析相关优化研究[D].黑龙江大学.2018
[5].葛亮.季节性差分时空地理加权回归在HFRS分析中的应用[J].城市勘测.2017
[6].刘瑞,钟辰.地方政府预算软约束对财政扩张激励的影响研究——基于我国地级市营改增试点的双重差分回归分析[J].现代管理科学.2017
[7].王宝楠.基于差分隐私拉普拉斯机制的线性回归分析研究[D].安徽理工大学.2016
[8].王宝楠,方贤进.基于差分隐私的线性回归分析[J].电脑知识与技术.2016
[9].邹鸿珍.基于差分隐私的回归分析算法研究[D].江西理工大学.2016
[10].尹慧琳,杨筱菡.差分侧信道密码分析中泄露模型的线性回归分析[J].同济大学学报(自然科学版).2014