简介:如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。
简介:本文通过对高中信息技术程序性知识的教学现状进行调查,分析目前高中信息技术课堂教学,特别是程序性知识教学的教学现状及出现的问题,并针对问题提出高中信息技术程序性知识教学的一些教学意见和建议,强化高中信息技术教学中所涉及的“程序性知识”教学方法的提升,继而有效提高高中学生计算机操作能力,并根据学生的信息技术水平特点以及兴趣的浓厚程度,制定“程序性知识”教学方案,使学生在愉快、充满挑战的学习过程当中,激起学生的学习兴趣,激发各自的潜能,从而转变学生的学习态度,提高高中信息技术学科教学的效率,加强学生的信息能力,实现“提升学生的信息素养”的学科教学目标.