目录
一、背景 (3)
二、模型变量的选定 (3)
三、数据的收集 (4)
四、模型的建立与求解 (4)
1、模型1的建立： (4)
4.1.1经济意义检验 (5)
4.1.2统计检验 (5)
4.1.3计量经济学检验 (6)
2、模型2的建立 (7)
3、模型3的建立 (7)
4、模型4的建立 (8)
五、模型经济意义说明 (9)
六、模型的扩展与完善 (9)
七、模型的评价 (10)
八、小结 (11)
九、参考文献 (11)
十、附表 (12)
公共汽车乘客人数模型
摘要
确定影响公共汽车乘客的人数的因素是具有很大的现实意义和经济价值的。本文立足于计量经济学，通过多元回归试图找出公共汽车乘客人数的决定因素。所有结果均用Eviews输出，并运用了经济意义检验，统计检验和计量经济学检验对模型进行了相应的检验。当模型不能通过的检验时，运用相应的方法对模型进行了修正和改进，以便达到预期效果。
关键字
多元线性回归可决系数与校正的可决系数 F检验 t检验 D-W检验怀特检验被解释变量解释变量
一、背景
公共汽车是现代城市不可缺少的工具，它在人们日常生活中扮演作重要的作用，很多人上班下班都要用到它。对于一个城市的政府来说提供适当的公共汽车数量是非常必要的。但当我们来确定公共汽车数量的时候就遇到一个实际的问题：公共汽车乘客人数受哪些因素的影响？更准确点可以说公共汽车乘客人数的决定因素是哪些？于是本模型试图找出公共汽车乘客人数的决定因素，以便给政府的决策提供一个有用的参考。
二、模型变量的选定
1、根据历史经验我们选取以下因素作为影响因素，也就是解释变量。
X1:车费，美元：Fare X2油价，美元/加仑：Gasprice X3:人均平均收入，美元：Income X4:城市人口，千人：Pop
X5:人口密度，人/平方英里：Density X6城市土地面积，平方英里：Area 被解释变量： Y：城市公共汽车的运输，千乘客每月
于是我们可以得出被解释变量与解释便量之间的初步关系模型：
0112233445566i Y x x x x x x βββββββμ=+++++++
2、对模型的回归系数的符号做一个预期。
由于车费上涨会导致乘客需求的下降，所以我们认为1β为负。就乘车选择而言，油价上涨会减少买汽车的人数，更多地选择乘公共汽车，所以估计2β为正。当收入增加时，人们更倾向于买汽车，所以我们可以认为3β为负。当人口增加以及人口密度增加，无疑会有更多的客运量，所以我们相信4β、5β为正。如果城市不断扩大，人们居住在离工作的地方越来越远，那么人们将更青睐于汽车而不是公共汽车，这样的话我们可以认为6β为负。
三、数据的收集
为了研究公共汽车乘客人数的决定因素模型，我们选择了美国40个城市的
这些因素的数据。详细数据见附表。为了便于我们对各种因素的识别，我用英文单词来加以注释。数据来源：https://www.doczj.com/doc/817816520.html,/~rramanat/embook5.htm ，下载时间2005-12-9。（很遗憾，关于中国公交车的数据没有办法收集。）
四、模型的建立与求解
1、模型1的建立：
回归模型形式为：
0112233445566i Y x x x x x x βββββββμ=+++++++
用Eviews 软件做回归输出结果：
Dependent Variable: Y Method: Least Squares Sample: 1 40
C
2744.680 2641.672 1.038994 0.3064 X1 (FARE) -238.6544 451.7281 -0.528314 0.6008 X2(GASPRICE) 522.1132 2658.228 0.196414 0.8455 X3 (INCOME)
-0.194744
0.064887
-3.001294
0.0051
X4 (POP) 1.711442 0.231364 7.397176 0.0000 X5 (DENSITY) 0.116415 0.059570 1.954253 0.0592 R-squared
0.921026 Mean dependent var 1933.175 Adjusted R-squared 0.906667 S.D. dependent var 2431.757 S.E. of regression 742.9113 Akaike info criterion 16.21666 Sum squared resid 18213267 Schwarz criterion 16.51221 Log likelihood -317.3332 F-statistic 64.14338 Durbin-Watson stat
2.082671 Prob(F-statistic)
0.000000
表一
于是得到模型：
123456
?2744.68238.65522.110.19 1.710.12 1.56Y x x x x x x =-+-++-……(4.1) 4.1.1经济意义检验
X1的系数表明车费每提高1美元，就会使乘客减少238.65千人每月；X2的系数表明油价上升1美元/加仑，则使乘客增加522.11千人每月，因为油价上升人们会减少坐汽车的选择；X3系数表明收入增加1美元，则会使乘客减少0.19千人每月，因为人们有钱更倾向于买车；X4系数表明人口增加1千人，则会使乘客增加1.711千人每月；X5系数表明人口密度增加1个单位，则会使乘客增加0.12千人每月；X6的系数表明城市每扩大1平方英里，则乘客会减少1.56千人每月。综上所知，各系数都符合经济意义的检验。
4.1.2统计检验
拟合优度检验（可决系数与校正的可决系数）
校正的R 2为0.907，表明模型中的变量共同解释了Y 中90.7％的变动。对于横截面的研究来说，这应该说可以接受这个结果。
方程总体线性的显著检验（F 检验）
原假设与被选假设为：012:0,0,0k H βββ===…， 1:(1,2,)j H j β=…,k 不全为零
在取0.05α=的显著性水平下，F=61.14 > F 0.05(6,33)=2.039,方程通过F 检
验，我们拒绝0H 的原假设，说明X 的联合体对Y 的解释程度较高，可以认为总体存在线性关系。
变量的显著性检验（t 检验）
我们设原假设与被选假设为：0:0j H β= j ＝1，2，…，k
1:H 不是所有的j β（j ＝1，2，…，k ）都为零。 在取α
表二 当
i
t > t 0.025(33)＝2.39时，我们拒绝i β＝0的假设，我们认i β为对Y 影
响显著。但实际情况是，只有X3,X4通过了t 检验。实际上X1,X2,X7即使在0.25α=的情况下也不能通过t 检验。
（原因分析见4.1.3的多重共线性） 4.1.3计量经济学检验
序列相关性检验（D-W 检验）
D-W ＝2.08267，说明模型不存在序列相关性。因为D-W 值等于2时最好，且当它在1.5～2.5之间时没有显著的自相关问题。[《预测与决策模型及其应用软件方法》，夏勇军，P41]
多重共线性检验
由于R 2和F 都较大，而其他各参数的t 检验值较小，加之又是截面数据，于是可以发现该模型存在多重共线性。[《计量经济学》（第二版），李子奈、潘文卿，P121]
我们用排除引起共线性的变量来克服模型的多重共线性。常量项没有自然解释并且俘获了因变量的均值和省略变量的平均影响，所以我们一般是忽略常量的显著性或者干脆舍去。[《应用经济计量学》（原书第五版），薛箐睿，P115] 因此X1,X2,X6是从模型中删除的首选。但我们不能同时省去几个变量，因为一次删除几个变量会同时删除那些处于显著边界的变量或具有理论重要的变量，因此
我们一次省略一个变量。
2、模型2的建立
我们在模型1的基础上除去X2(因为2β的t 值最小)。于是得模型2的形式:
01133445566i Y x x x x x ββββββμ=++++++
用Eviews 软件得出结果（输出的详细结果见附表二）：
13456
?3215.86225.660.20 1.720.12 1.20Y x x x x x =--++-……（4.2） （2.949） （-0.512） （-0.306）（7.581） （2.037） (-0.667)
2R =0.920934 2R =0.909307 F =79.204 .DW
=2.07932 我们按照模型1的检验方式对模型2进行检验。模型的系数符号没有变，经济意义没有变。调整的可决系数R 2较好；F>F 0.05(5,34)=2.49，模型通过F 检验；D-W=2.07932，模型不存在序列相关；t 0.025(34)＝2.036，表明在0.05α=情况下X1,X3,X6不能通过t 检验，实际上即使在0.2α=的情况下X1,X3,X6不能通过t 检验，因此模型还存在多重共线性。
3、模型3的建立
我们在模型2的基础上除去X6（因为6β的t 值最小)。于是得模型3的形式为：
011334455i Y x x x x βββββμ=+++++
用Eviews 软件得出结果（输出的详细结果见附表三）：
1345
?3111.181295.730.20 1.590.15Y x x x x =--++ ……（4.3） （2.905） （-0.696） （-3.232） （12.950） （4.173）
2R =0.919868 2R =0.910710 F =100.4449 .DW
=1.995180 我们按照模型1的检验方式对模型3进行检验。模型的系数符号没有变，
经济意义没有变。调整的可决系数R 2较好；F>F 0.05(4,35)=2.64，模型通过F 检验；D-W=1.99518，模型不存在序列相关；t 0.025(35)＝2.032，表明在0.05α=情况下X1不能通过t 检验，实际上即使在0.2α=的情况下，X1也不能通过t 检验，因此模型还存在多重共线性。
4、模型4的建立
我们在模型3的基础上除去X1(因为1β的t 值最小)。于是得模型4的形式为：
0334455i Y x x x ββββμ=++++
用Eviews 软件得出结果（输出的详细结果见附表四）：
345
?2815.70320.2013 1.57660.1534Y x x x =-++ ……（4.4） （2.884） （-3.241） （13.071） （4.396）
2R =0.918759 2R =0.911989 F =135.7080 .DW
=1.878671 我们按照模型1的检验方式对模型4进行检验。模型的系数符号没有变，
经济意义没有变。调整的可决系数R 2较好；F>F 0.05(3,36)=2.86，模型通过F 检验，说明解释变量总体对Y 线性关系；D-W=1.878671，模型不存在序列相关；t 0.025(36)＝2.028，说明在0.05α=情况下，X3,X4,X5均通过了t 检验，我们就可以拒绝i β＝0（i ＝3，4，5）的假设，于是可知它们对模型的影响是显著的。
异方差性检验（怀特检验）
如果存在异方差性，则表明2i e 与解释变量的某种组合有显著的相关性，这是往往显示出较高的可决系数，并且某一参数的t 检验值较大。[《计量经济学》（第二版），李子奈、潘文卿，P99] 用怀特检验法检验。 构造辅助回归模型1：
201324354345i i e x x x x x x αααααε=+++++
Eviews 得出2R 与变量的t 值（输出的详细结果见附表五）：
表三
由表可知，R 2可决系数不高，也没有较高的i t ，因此认为2i e 与改组解释变量没有显著的相关性。 构造辅助回归模型2：
222201324354354657345i i e x x x x x x x x x ααααααααε=++++++++
Eviews 得出2R 与变量的t 值（输出的详细结果见附表六）：
表四
由表可知，R 2可决系数不高，也没有较高的i t ，2i e 与改组解释变量没有显著的相关性。
综上，我们一般可以认为模型（4.4）不存在异方差性。当然读者还可以做更高阶得辅助回归来来进一步精确判断。
五、模型经济意义说明
我们已经最终确定我们的模型为（4.4），即：
345
?2815.70320.2013 1.57660.1534Y x x x =-++ X3系数的系数为负表明：乘公共汽车是“一个次选择”。随着收入的增加，
人们更愿意选择汽车作为出行的工具，所以乘客的人数会下降。如果人均收入增
加100美元，平均来说乘公共汽车的人会减少1004
?β，即20.13千乘客每月。 X4、X5的系数为正，说明当人口数量或人口增加时，公共汽车的人数会增加。当人口每增加1000人，即X4增加1，那么公共汽车的乘客人数增加1.577千人每月。X4的系数大于1说明每月人们平均乘公共汽车的次数不只一次。当人口密度（千人/平方英里）增加1，乘客会增加0.154千人每月。
六、模型的扩展与完善
由于某些原因，本模型没有考虑到地铁、汽车等公共汽车的对手对公共汽车的乘客量的影响。由于人们在日常的近距离的出行的选择为：公共汽车，地铁，私家车，出租车。那么人们必然会选择其中的一种交通工具作为短程出行，为简化现实情景，我们假设：一个城市人们每月坐交通车的总次数恒定。（为什么用总次数，而不是总人数呢？因为一个人坐一次交通车就会带来一个客运量。）于是有：
B+S+T+C=P
其中，B （公共汽车客运量），S （地铁客运量），T （出租车客运量）， C （私家车客运量），P （总的出行人次）。
从上一个模型我们可以发现：地铁的客运量、私家车的普及率以及出租车的数量对公共汽车的客运量应该还是比较显著的。
于是我们在模型（4.4）增加S 、C 、T 因素，可以得到新的模型：
0123344556S C T i
Y x x x βββββββμ=+++++++ 由于数据的限制，作者无法解出此模型的参数，也无法对它进行检验，不知
道新加入的这些因素是否对被解释变量显著，不知道我们的设想是否正确。
从模型（4.4）来研究，就可以发现可决系数2R ＝0.92，总体拟合并不是很高，所以应该还是有一部分因素可能没有考虑到。但我们并没有发现较强的序列相关性，是否又说明新加入的元素影响不是很大？这是否说明我们的发现不对呢？
我们通过研究经济意义可以发现，收入X3的系数在模型（4.4）中的解释为：乘公共汽车是“一个次选择”。随着收入的增加，人们更愿意选择汽车作为出行的工具，所以乘客的人数会下降。因此我们有理由认为：收入X3部分地解释了变量C ，所以才造成了可决系数不高，但模型又不存在较强的序列相关性。最终我们可以认为我们的设想是有一定道理的。实际真是的情况怎么样呢？有待我们以后得到完善的数据后再做定量的分析。
七、模型的评价
模型的缺点：
1、数据来自于美国，没有收集到我国的数据，使得模型不能在我国得到实际应用。
2、模型考虑因数不完全，如：没有考虑地铁对公共汽车的影响，也没有 考虑到汽车拥有量对公共汽车乘客的影响。
模型的优点：
1、在选取解释变量时，尽可能多的选取了6个解释变量，减少了漏掉重要的解释变量的几率，使解释变量对被解释变量的解释更加科学。
2、模型选取了较大的样本数：40个样本。这就使我们做出的模型更精确，也使各种检验更科学。
3、对模型进行了较为系统的检验，进行了经济意义的检验，统计检验，以及计量经济学的检验，使模型具有更好的科学性。对模型通不过的检验，都用相应的方法对模型进行了相应的修正。
4、对模型的经济意义进行了解释，对解释变量系数及其符号均从现实的经济意义做了阐述。
5、在模型的扩展与完善部分，为完善模型，对现有的模型进行了客观的分析的基础上提出大胆的完善设想，且对自己的设想从计量经济学的角度进行一定的定性分析与论证。
八、小结
通过做此模型，我学到了很多书本之外的知识如：常量项没有自然解释并且俘获了因变量的均值和省略变量的平均影响，所以我们一般是忽略常量的显著性或者干脆舍去。在模型的检验这一块，也学会了运用较为系统的检验步骤来对模型进行检验：经济意义的检验，统计检验，计量经济学检验。这就使对自己所学的知识连贯起来，并懂得了运用。由于模型通不过检验是经常的事情，因此分析通不过检验的原因对模型的改进有着重要作用。这就要求了我们理解各种检验的深刻内涵，才能做出正确的分析。最后的模型一定要回到经济意义的检验，以现实意义来衡量模型的科学性。这样才会得到有价值的模型。最后感觉到做一个完善的模型好困难啊，它不仅受到作者知识的限制，而且还受到数据的限制。收集到完善的数据是十分困难的一件事情。
九、参考文献
[1]李子奈、潘文卿：《计量经济学》（第二版），高等教育出版社，2000
[2]薛箐睿译：《应用经济计量学》（原书第五版），机械工业出版社，2003
[3]夏勇军：《预测与决策模型及其应用软件方法》贵州人民出版社，2002. 5
[4]张涛译：《经济计量学精要》（原书第二版），机械工业出版社，2003
十、附表
2、附表二（模型二的Eviews输出结果）
Dependent Variable: Y
Method: Least Squares
Date: 12/10/05 Time: 21:20
Sample: 1 40
C 3215.856 1090.469 2.949058 0.0057
X1 FARE -225.6595 440.4936 -0.512288 0.6118 X3 INCOME -0.195716 0.063777 -3.068778 0.0042 X4 POP 1.716808 0.226474 7.580596 0.0000 X5 DENSITY 0.118216 0.058023 2.037401 0.0495
R-squared 0.920934 Mean dependent var 1933.175 Adjusted R-squared 0.909307 S.D. dependent var 2431.757 S.E. of regression 732.3323 Akaike info criterion 16.16783 Sum squared resid 18234559 Schwarz criterion 16.42116 Log likelihood -317.3565 F-statistic 79.20400 Durbin-Watson stat 2.079321 Prob(F-statistic) 0.000000
附表二
3、附表三（模型三的Eviews输出结果）
Dependent Variable: Y
Method: Least Squares
Date: 12/10/05 Time: 21:38
Sample: 1 40
C 3111.181 1071.067 2.904749 0.0063
X1 FARE -295.7306 424.8354 -0.696106 0.4910 X3 NCOME -0.202197 0.062564 -3.231821 0.0027
X4 POP 1.588337 0.122654 12.94973 0.0000
R-squared 0.919868 Mean dependent var 1933.175 Adjusted R-squared 0.910710 S.D. dependent var 2431.757 S.E. of regression 726.6434 Akaike info criterion 16.13122 Sum squared resid 18480373 Schwarz criterion 16.34233 Log likelihood -317.6243 F-statistic 100.4449
4、附表四（模型四的Eviews输出结果）
Dependent Variable: Y
Method: Least Squares
Date: 12/10/05 Time: 21:43
Sample: 1 40
C 2815.703 976.3007 2.884053 0.0066
INCOME -0.201273 0.062101 -3.241076 0.0026
POP 1.576575 0.120612 13.07148 0.0000
R-squared 0.918759 Mean dependent var 1933.175 Adjusted R-squared 0.911989 S.D. dependent var 2431.757 S.E. of regression 721.4228 Akaike info criterion 16.09497 Sum squared resid 18736228 Schwarz criterion 16.26386 Log likelihood -317.8993 F-statistic 135.7080 Durbin-Watson stat 1.878671 Prob(F-statistic) 0.000000
附表四
5、附表五（辅助回归模型1的Eviews输出结果）
Dependent Variable: Y
Method: Least Squares
Date: 12/12/05 Time: 13:35
Sample: 1 40
Included observations: 40
C 266754.1 817748.3 0.326206 0.7462
X3 -23.67073 51.38613 -0.460644 0.6479
X4 847.3403 206.5629 4.102092 0.0002
X5 15.29172 32.36735 0.472443 0.6395
R-squared 0.343080 Mean dependent var 468405.7 Adjusted R-squared 0.268004 S.D. dependent var 696884.9 S.E. of regression 596232.2 Akaike info criterion 29.55112 Sum squared resid 1.24E+13 Schwarz criterion 29.76223 Log likelihood -586.0223 F-statistic 4.569744 Durbin-Watson stat 1.673228 Prob(F-statistic) 0.004485 Dependent Variable: Y
Method: Least Squares
Date: 12/12/05 Time: 13:40
Sample: 1 40
Included observations: 40
附表五
6、附表六（辅助回归模型2的Eviews输出结果）
Dependent Variable: Y
Method: Least Squares
Date: 12/12/05 Time: 13:40
Sample: 1 40
Included observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -976146.4 4204133. -0.232187 0.8179
X3 104.1218 507.9885 0.204969 0.8389
X4 452.5576 269.5900 1.678689 0.1030
X5 86.68906 102.2461 0.847847 0.4028
X32-0.003328 0.015045 -0.221191 0.8263
X420.276964 0.140860 1.966235 0.0580
X52-0.001052 0.007906 -0.133119 0.8949
R-squared0.431823 Mean dependent var 468405.7 Adjusted R-squared 0.307534 S.D. dependent var 696884.9 S.E. of regression 579909.6 Akaike info criterion 29.55599 Sum squared resid 1.08E+13 Schwarz criterion 29.89376 Log likelihood -583.1198 F-statistic 3.474348
附表六
【活动名称】公共汽车的秘密 【适用年龄段】中班 【主要领域】科学 【设计者】 【内容与要求】 1、观察公共汽车内部的设施，初步了解它们的含义与人们的关系。 2、懂得安全和文明地乘坐公共汽车。 【设计思路】 一、对教材的分析 主题《我在马路边》中有活动“双层汽车开来了”，建议是引导幼儿发现双层汽车里面有些什么不同于一般车辆的设施。对于我班的幼儿来说，双层汽车较遥远，而公共汽车是身边经常接触的。因此设想开展《公共汽车的秘密》，从而推动孩子的发展，也达成主题中关于“观察马路上的各种车辆……初步了解与人们的关系，并理解和遵守交通工具”的目标。在主题开展的过程中，在孩子的游戏行为中发现，孩子们发现了各种汽车的外部特征及用途，而对于公共汽车里面的设施与用途，经验比较零散，即使有所了解也是一知半解。 二、活动过程分析 根据以上两点分析，确定了活动的目标。活动重点为：观察公共汽车内部的设施，初步了解它们的含义与人们的关系。难点定位为：懂得安全和文明地乘坐公共汽车。 整个活动围绕活动目标，分为三大环节构成：猜一猜——说一说——演一演。 第一环节：猜一猜——从逐步呈现轮子、车厢、路号标记的过程中，运用孩子对车厢外部特征的已有经验进行猜测，从而引发孩子对下一环节的兴趣。 第二环节：说一说——在介绍自己调查到的秘密的过程中，运用观察讨论、观看视频和照片等形式，让幼儿对于投币机刷卡机、座位、扶手等设施用途的理解更直观，了解它们与人们的关系。 第三环节：演一演——在角色扮演的过程中玩一玩“乘公共汽车”的游戏，体验和感受安全文明乘车。 本次活动最大的亮点就是科学来源于生活，回归于生活。乘公共汽车是孩子们在社会活动中经常会遇到的，通过这个活动，让孩子知道在公共汽车上怎样保护自己的安全，怎样做一个文明乘车，解决了生活中可能会遇到的问题。 【环境与材料创设】 1、模拟公共汽车一辆 2、教学ppt 3、视频 【活动过程】 一、猜一猜 1、（从下往上逐步呈现），猜一猜，是什么？ 2、小结：原来这是一辆公共汽车，它的外形很特别，不光有轮子，有一排窗户，还有路号标记。 二、说一说 上次我们都去调查了公共汽车，公共汽车里面有什么？ 1、投币机和刷卡机 （1）为什么要在车头放投币机和刷卡机？
信息系统发展阶段理论: 诺兰的阶段模型 美国管理信息系统专家诺兰（Richard·L·Nolan）通过对200多个公司、部门发展信息系统的实践和经验的总结，提出了著名的信息系统进化的阶段模型，即诺兰模型。 诺兰认为，任何组织由手工信息系统向以计算机为基础的信息系统发展时，都存在着一条客观的发展道路和规律。数据处理的发展涉及到技术的进步、应用的拓展、计划和控制策略的变化以及用户的状况四个方面。1979年，诺兰将计算机信息系统的发展道路划分为六个阶段。诺兰强调，任何组织在实现以计算机为基础的信息系统时都必须从一个阶段发展到下一个阶段，不能实现跳跃式发展。 诺兰模型的六个阶段分别是：初装阶段、蔓延阶段、控制阶段、集成阶段、数据管理阶段和成熟阶段。 六阶段模型反映了企业计算机应用发展的规律性，前三个阶段具有计算机时代的特征，后三个阶段具有信息时代的特征，其转折点处是进行信息资源规划的时机。"诺兰模型"的预见性，被其后国际上许多企业的计算机应用发展情况所证实。 下图中，横坐标表示信息系统的各个阶段，纵坐标表示增长要素。 该模型总结了发达国家信息系统发展的经验和规律，一般模型中的各阶段都是不能跳越的，它可用于指导MIS的建设。 诺兰的阶段模型的主要内容 初装阶段 计算机刚进入企业，只作为办公设备使用，应用非常少，通常用来完成一些报表统计工作，甚至大多数时候被当做打字机使用。 在这一阶段，企业对计算机基本不了解，更不清楚IT技术可以为企业带来哪些好处，解决哪些问题。 在这一阶段，IT的需求只被作为简单的办公设施改善的需求来对待，采购量少，只有少数人使用，在企业内没有普及。
初始阶段特点： 1、组织中只有个别人具有使用计算机的能力； 2、该阶段一般发生在一个组织的财务部门。 蔓延阶段 企业对计算机有了一定了解，想利用计算机解决工作中的问题，比如进行更多的数据处理，给管理工作和业务带来便利。 于是，应用需求开始增加，企业对IT应用开始产生兴趣，并对开发软件热情高涨，投入开始大幅度增加。 但此时很容易出现盲目购机、盲目定制开发软件的现象，缺少计划和规划，因而应用水平不高，IT的整体效用无法突显。 蔓延阶段特点： 1、数据处理能力得到迅速发展； 2、出现许多新问题（如数据冗余、数据不一致性、难以共享等）； 3、计算机使用效率不高等。 控制阶段 在前一阶段盲目购机、盲目定制开发软件之后，企业管理者意识到计算机的使用超出控制，IT投资增长快，但效益不理想，于是开始从整体上控制计算机信息系统的发展，在客观上要求组织协调，解决数据共享问题。 此时，企业IT建设更加务实，对IT的利用有了更明确的认识和目标。 在这一阶段，一些职能部门内部实现了网络化，如财务系统、人事系统、库存系统等，但各软件系统之间还存在?部门壁垒?、?信息孤岛?。信息系统呈现单点、分散的特点，系统和资源利用率不高。 控制阶段特点 1、成立了一个领导小组； 2、采用了数据库（DB）技术； 3、这一阶段是计算机管理变为数据管理的关键。 集成阶段
中班学习活动：公共汽车的秘密教学设计 Learning activities in middle class: Secret teac hing design of buses
中班学习活动：公共汽车的秘密教学设计 前言：小泰温馨提醒，幼儿园是针对幼儿集中进行保育和教育的学前教育机构，幼儿不仅可以学到知识，从小接触集体生活，帮助孩子健康快乐地度过童年时光。幼儿园教育作为整个教育体系基础的基础，是对儿童进行预备教育，包括性格完整健康、行为习惯良好、初步的自然与社会常识。本教案是根据幼儿园中班儿童的学习特点、发展特点来设计并编辑成教学活动的内容。便于学习和使用，本文下载后内容可随意修改调整及打印。 活动目标：1、观察公共汽车上不同的数字、标记和设施，初步了解它们与人们的关系。 2、培养幼儿有初步的自我保护意识。 活动准备：1、各种照片（含有数字、标记、设施等） 2、ppt（救生锤、灭火器的图片）；录像（842路发生火灾的情景） 一、互相交流调查表这两天我们小朋友都去调查了公共汽车上的秘密，你把你调查的内容和同伴说说。 二、交流分享现在请你说说你发现公共汽车上有哪些秘密？ 辅助提问：公共汽车车头上的数字表示什么？你还看到公共汽车上有哪些数字？（教师根据幼儿说的以照片形式归纳整理）小结：公共汽车上有许多的数字、标记和设施，它们都表示不同的意思。
三、拓展经验1、看看这是什么？它有什么用？（了解逃生锤和灭火器的用处） 2、请你们看段录像，发生了什么？如果是你怎么办？ 3、在公共汽车上还会发生哪些事情？你会想什么办法解决？ 小结：当你坐在公共汽车上的时候，如果碰到突发事情一定要想各种方法来保护自己的安全。 推荐理由：本节活动最大的亮点就是把两纲教育中的生命教育融入了整个活动中，让孩子知道在公共汽车上怎样保护自己的安全。其实幼儿对乘公共汽车的经验还是很少的，他们对公共汽车的外观能认识，但是对公共汽车上的一些可以保护我们自身安全的设施、标记不是很清楚，如逃生锤、灭火器、扶手等设施；禁止吸烟、禁止手扶的标志等，通过活动中的讨论让幼儿懂得这些设施和标记在遇到危险的时候可以为人们所用，保护人们的安全。 -------- Designed By JinTai College ---------
第五章因素模型和套利定价理论 一、单选题 1. 假定X基金与恒生指数的相关系数为0.7，X基金的总风险中特有风险为多少？（） A. 70% B. 60% C. 51% D. 49% 2. 贝塔与标准差作为对风险的测度，其不同之处在于贝塔测度的（） A. 仅是非系统风险，而标准差测度的是总风险。 B. 仅是系统风险，而标准差测度的是总风险。 C. 是系统风险与非系统风险，而标准差只测度非系统风险。 D. 是系统风险与非系统风险，而标准差只测度系统风险。 3. 根据套利定价理论，（） A. 高贝塔值的股票都属于高估定价。 B. 低贝塔值的股票都属于低估定价。 C. 正阿尔法值的股票会很快消失。 D. 理性的投资者将会从事与其风险承受力相一致的套利活动。 4. 在什么条件下，会产生具有正阿尔法值的零资产组合？（） A. 投资的期望收益率为零。 B. 资本市场线是机会集的切线。 C. 不违反一价定律。 D. 存在无风险套利的机会。 5. 套利定价理论不同于单因素C A P M模型，是因为套利定价理论（） A. 更注重市场风险。 B. 减小了分散化的重要性。 C. 承认多种非系统风险因素。 D. 承认多种系统风险因素。 二、多选题 1. 根据指数模型，两个证券之间的协方差是（） A. 由同一个因素，即市场指数的收益率对它们的影响决定的 B. 非常难于计算 C. 与行业的特殊情况有关 D. 通常是正的 E. 通常是负的 2. 证券收益率（） A. 是由宏观经济因素和企业个别因素共同决定的 B. 只取决于企业个别因素 C. 彼此之间通常是正相关的 D. 彼此之间通常是负相关的 E. 彼此之间通常是无关的 3. 单指数模型（） A. 相比马克维茨模型，大大地减少了需要的运算量 B. 加深了对系统风险和非系统风险的认识 C. 相比马克维茨模型，大大地增加了需要的运算量 D. C和B E. A和C 4. 证券市场线（） A. 描述的是在无风险收益率的基础上，某只证券的超额收益率是市场超额收益率的函数 B. 能够估计某只证券的贝塔值 C. 能够估计某只证券的阿尔法值
凯利的归因模型 (重定向自归因模型) 凯利的归因模型(Attribution Model) [编辑] 凯利的归因模型的概述 我们在知觉人的行为时，总是试图进行推断和解释。所谓归因（attribution），就是指观察者为了预测和评价人们的行为并对环境和行为加以控制而对他人或自己的行为过程所进行的因果解释和推论。人们行为的原因提出包括内部原因和外部原因两种。内部原因是指个体自身所具有的、导致其行为表现的品质和特征，包括个体的人格、情绪、心境、动机、欲求、能力、努力等。外部原因是指个体自身以外的、导致其行为表现的条件和影响，包括环境条件、情境特征、他人的影响等。美国心理学家海德（F．Helder）在1958年最早提出了归因问题，但直到60年代中期才引起社会心理学界的重视并成为一个热门研究领域。1965年，琼斯（E．A．Jones）和戴维斯（K．E．Davis）提出了相应推断理论，从行为者的具体行为推断其行为意图。 1967年，美国社会心理学家凯利（H．H．Kelley）发表《社会心理学的归因理论》，继相应推断理论之后提出三维归因理论，也称为三度理论，对海德的归因理论进行又一次扩充和发展。凯利将归因现象区分为两类：一类是能够在多次观察同类行为或事件的情况下的归因，称为多线索归因；另一类则是依据一次观察就做出归因的情况，称为单线索归因。凯利认为，人们对行为的归因总是涉及三个方面的因素（1）客观刺激物；（2）行动者；（3）所处关系或情境；其中，行动者的因素是属于内部归因，客观刺激物和所处的关系或情境属于外部归因。 对上述三个因素的任何一个因素的归因都取决于下列三种行为信息： 1、区别性（distinctivene ss）：指行动者是否对同类其它刺激做出相同的反应，他是在众多场合下都表现出这种行为还是仅在某一特定情境下表现这一行为。例如，一名今天迟到的员工是否经常表现得自由散漫、违反规章纪律。如果行为的区分性低，则观察者可能会对行为作内部归因；如果行为的区分性高，则活动原因可能会被归于外部。 2、一贯性（consistency）：指行动者是否在任何情境和任何时候对同一刺激物做相同的反应，即行动者的行为是否稳定而持久。例如，如果一名员工并不总是上班迟到，她有7个月从未迟到过，则表明这是一个特例，行为的一贯性较低；而如果她每周都迟到两三次，则说明行为的一贯性高。行为的一贯性越高，观察者越倾向于对其作内部归因。 3、一致性（consensus）：指其他人对同一刺激物是否也做出与行为者相同的方式反应。如果每个人面对相似的情境都有相同的反应，我们说该行为表现出一致性。比如，所有走相同路线上班的员工都迟到了，则迟到行为的一致性就高。从归因的观点看，如果一致性高，我们对迟
因素模型 杨长汉1 证券资产价格的决定因素是多种多样的，西方学者在研究中采取了多种多样的方法去探讨证券价格的决定因素。最主要的两种模型就是单因素模型和多因素模型。 一、单因素模型(Single-Index Model) 夏普(William Sharp)于1963年建立了单因素模型2。单因素模型是指证劵价格的影响因素只有一个，而如果有两个或两个以上的因素，则称为多因素模型。单因素模型的基本思想是：当市场指数上升时，市场中大部分证券资产的价格就会上涨；相反，当市场指数下降时，市场中大部分证券资产的价格就会下降。 单因素模型中有以下两个基本假设条件： 第一，证券的风险分为系统性风险和非系统性风险，而这里所讲的因素仅指系统性风险。 第二，一个证券的非系统性风险与其他证券的非系统性风险之间的相关系数为零，两种证券之间的相关性仅取决于共同的市场因素。 在单因素模型中，主要有两个基本因素会造成证券收益率的波动：一是宏观经济环境因素，比如GDP 增长率、利率、通货膨胀率等，这些因素的变化会引起证券市场中所有证券收益率的变化，相对于市场中的系统性风险；二是微观因素的影响，如公司的财务状况、公司的经营状况以及突发事件等，这些因素的变化只会引起个别证券收益率的变化，相当于市场中的非系统性风险，可以通过多样化的投资组合进行分散。 我们以股票的收益率和股价指数的收益率为例，可以得到如下单因素模型公式： it it i mt it r A R βξ=++ 这一公式揭示了股票的收益率与市场指数收益率之间的关系。其中，it r 为t 时期证券i 的收益率，mt R 为t 时期市场指数的收益率，i β为斜率，表明股票收益率波动对市场指数波动的反应程度，代表两者的相关关系，it A 是截距项，反映市场指数为零时股票收益率的大 1 文章出处：《中国企业年金投资运营研究》 杨长汉 著 杨长汉，笔名杨老金。师从著名金融证券学者贺强教授，中央财经大学MBA 教育中心教师、金融学博士。中央财经大学证券期货研究所研究员、中央财经大学银行业研究中心研究员。 2Sharp, W.,1966, Mutual Fund Performance, Journal of Business,(39),119-138.
一、政策制定的理论模型 什么是模型 模型是现实世界某些方面的简单化呈现。它可以是： －－一个实体的呈现（如飞机模型） －－一种图示（如流程图） －－一种公式（如S=v〃t） －－一段文字表述的概念（如“桌子是由一个面板及其下面的四条木棍支撑而成的一种家具”） 什么是政策分析模型 政策分析模型是公共政策的一种的简单化呈现。通常以概念的方式出现（概念模型） 政策分析模型有何作用 1.简化我们对公共政策的思维 2.指出政策议题的重要方面 3.通过将注意力在政治生活的重要特征，有助于我们进行有效的沟通 4.提出公共政策中不重要的因素，加深我们的了解 5.解释公共政策的要素，预测其影响 人们很少能选定那些一劳永逸、自成一体、所有人都能领会的政策。政策分析的目的不是产生某种一锤定音的政策建议，而是要帮助人们对现实可能性和期望之间有逐渐一致的认识，产生一种新型的社会相互关系与“社会心理”模式。
——米切尔〃怀特主要的政策制定理论模型 1.精英模型 2.团体模型 3.多元模型 4.完全理性模型 5.有限理性模型 6.渐进模型 7.混合扫描模型 8. 系统模型 从完全理性的假设(最优) →有限理性（满意） →非理性的假设（合理） （一）精英模型 代表人物及著作：1970年托马斯.戴伊(Thomas Dye)和哈蒙.齐格勒(Harmon Zeigler)在《民主的嘲讽》中总结了前辈的精英理论 基本内容：精英决策模型是将公共政策看成是反映占统治地位的精英（elite）们的价值和偏好的一种决策理论。 从政治精英到社会精英 从圣西门到拉斯韦尔 基本要点：社会可以划分为拥有权力的少数人，以及不拥有权
凯利的归因模型（1967） 我们在知觉人的行为时，总是试图进行推断和解释。所谓归因（Attribution），就是指观察者为了预测和评价人们的行为并对环境和行为加以控制而对他人或自己的行为过程所进行的因果解释和推论。人们行为的原因包括内部原因和外部原因两种。内部原因是指个体自身所具有的、导致其行为表现的品质和特征，包括个体的人格、情绪、心境、动机、欲求、能力、努力等。外部原因是指个体自身以外的、导致其行为表现的条件和影响，包括环境条件、情境特征、他人的影响等。美国心理学家海德（F. Heider）在1958年最早提出了归因问题，但直到20世纪60年代中期才引起社会心理学界的重视并成为一个热门研究领域。1965年，琼斯（E. A. Jones）和戴维斯（K. E. Davis）提出了相应推断理论，从行为者的具体行为推断其行为意图。 1967年，美国社会心理学家凯利（H. H. Kelley）发表《社会心理学的归因理论》，继相应推断理论之后提出三维归国理论，也称三度理论，对海德的归因理论进行又一次扩充和发展。凯利将归因现象区分为两类：一类是能够在多次观察同类行为或事件的情况下的归因，称为多线索归因；另一类则是依据一次观察就做出归因的情况，称为单线索归因。凯利认为，人们对行为归因总是涉及三个方面的因素：（1）客观刺激物；（2）行动者；（3）所处关系或情境；其中，行动者的因素是属于内部归因，客观刺激物和所处的关系或情境属于外部归因。对上述三个因素的任何一个因素的归因都取决于下列三种行为信息：1〃区别性（Distinctiveness）：指行动者是否对同类其它刺激做出相同的反应，他是在众多场合下都表现出这种行为还是仅在某一特定情境下表现这一行为。例如，一名今天迟到的员工是否经常表现得自由散漫、违反规章纪律。如果行为的区分性低，则观察者可能会对行为作内部归因；如果行为的区分性高，则活动原因可能会被归于外部。 2〃一贯性（Consistency）：指行动者是否在任何情境和任何时候对同一刺激物做相同的反应，即行动者的行为是否稳定持久。例如，如果一名员工并不总是上班迟到，她有7个月从未迟到过，则表明这是一个特例，行为的一贯性较低；而如果她每周都迟到两三次，则说明行为的一贯性高。行为的一贯性越高，观察者越倾向于对其作内部归因。 3〃一致性（Consensus）：指其他人对同一刺激物是否也做出与行为者相同的方式反应。如果每个人面对相似的情境都有相同的反应，我们说该行为表现出一致性。比如，所有走相同路线上班的员工都迟到了，则迟到行为的一致性就高。从归因的观点看，如果一致高，我们对迟到行为进行外部归因。如果走相同路线的其他员工都准时到达了，则应认为该员工的迟到行为的原因来自于内部。 凯利认为这3个方面信息构成一个协变的立体框架，根据上述3方面的信息与协变，可以将人的行为归因于行动者、客观刺激物或情境。表示如下：
健康的社会和经济决定因素 郭岩 北京大学公共卫生学院教授 我今天主要讲的是健康社会决定因素。在这样的一讲中，我想主要跟大家讨论三个方面的问题。 一、健康社会决定因素概念框架 第一，什么是健康社会决定因素。也就是说可能健康是大家所熟知的概念，但是健康社会决定因素可能是最近几年才开始为大家所了解的这样一个概念，所以我们跟大家回顾一下，到底什么是健康社会决定因素，它的框架是什么。第二点健康社会决定因素概念最先提出或者是说以一个整体的完整的概念框架提出，是世界卫生组织在它的报告里边，健康社会决定因素的报告里边提出来的，所以借这个机会，我想跟大家分享一下，世界卫生组织健康决定因素的行动策略是什么？基于这样一个行动策略在两年之后世界卫生组织在澳大利亚的南澳的首都阿德雷德召开了一个会议，这个会议结束以后发表了一个宣言，它的宣我言名字就是《阿德雷德宣言》，它的副标题就是《health in all policy》，或者说将健康融入所有的社会政策之中。我们想用一点点的时间跟大家分享一下，将健康融入所有的社会政策之中，它的一个基本的原则是什么，它的基本理念是什么。 首先我们先看健康社会因素的概念。既然健康社会决定因素，首先我们看什么是健康。对于健康，我相信大家所熟知的就是我们PPT里边所展示的，说健康不仅仅是没有疾病与身体虚弱，而是身体上、心理上和社会上都处于一种完满的状态。首先我在这一点上我想有两点跟大家强调，第一点要强调的就是健康这样一个概念的给出就是不仅仅是是我们传统意义上来说没有疾病了，而是它包括了心理上和社会上处于一种完满的状态。既然它心理上和社会上处于一种完满的状态，也就意味着什么？意味着身体疾病实际上是受社会因素的影响的，这是第一点。第二点我要跟大家强调的，常常我们在媒体说这是新的健康观，或者有一些领导说是新的健康观，但是我要强调的是这个概念是世界卫生组织成立的时候，也就是说，世界卫生组织在1948年成立，在它成立的时候，这段话已经写入了它的组织宪章，也就是说这个概念不是一个新的概念。当世界卫生组织，当把健康作为奋斗目标的时候，就提出了健康不仅仅是没有疾病，而是身体上、心理上和社会上有完满的状态。 在组织宪章里边提出这个话，其实接着还有一句话它叫无论其种族、政治信仰和宗教信
五大理论概述 1、系统结构理论 从数学上提出了一个新的一般系统概念体系，特别是揭示系统组成部分之间的关联的新概念，如关系、关系环、系统结构等；在此基础上，抓住了系统环境、系统结构和系统行为以及它们之间的关系及规律这些一切系统都具有的共性问题，从数学上证明了，系统环境、系统结构和系统行为之间存在固有的关系及规律，在给定的系统环境中，系统行为仅由系统基层次上的系统结构决定和支配。 2、最优化理论 一个过程的最优决策具有这样的性质：即无论其初始状态和初始决策如何，其今后诸策略对以第一个决策所形成的状态作为初始状态的过程而言，必须构成最优策略。简言之，一个最优策略的子策略，对于它的初态和终态而言也必是最优的。 “最优化原理”如果用数学化语言来描述就是：假设为了解决某一优化问题，需要依次作出n个决策D1，D2，…，Dn，如若这个决策序列是最优的，对于任何一个整数k，1 < k < n，不论前面k个决策是怎样的，以后的最优决策只取决于由前面决策所确定的当前状态，即以后的决策Dk+1，Dk+2，…，Dn也是最优的。 3、系统辨识理论 系统辨识是在已知或测得系统输入和输出数据的基础上，从一组给定的模型类中，确定一个与所测系统等价的模型。实质就是按某种准则，从一组已知模型类中选择一个模型，使之能最好的拟合实际过程的动态特征。 其要素包括：数据、模型类、等价准则。 系统辨识算法根据过程提供的测量信息，按照最优准则，估计模型未知参数。 4、随机理论 随机模型是一种非确定性模型，变量之间的关系是以统计值的形式给出的，如果模型中的任一外生变量不确定，并且随着具体条件的改变而改变，这个模型就被称为随机模型。事件的发生过程存在随机因素，这种因素如果可以忽略的并且可以简单地用平均值表示，则使用确定性模型，而随机因素必须考虑使用随机性模型。 随机模型有：传送系统的效率、报童的诀窍、随机存贮策略、轧钢中的浪费、随机人口模型。 5、大系统理论 大系统理论是关于大系统分析和设计的理论，包括大系统的建模、模型降阶、递阶控制、分散控制和稳定性等内容。其特征是规模庞大、结构复杂（环节较多、层次较多或关系复杂）、目标多样、影响因素众多，且常带有随机性的系统。这类系统不能采用常规的建模方法、控制方法和优化方法来分析和设计。随着生产的发展和科学技术的进步，出现了许多大系统，如电力系统、城市交通网、数字通信网、柔性制造系统、生态系统、水源系统和社会经济系统等。大系统有两种常见的结构形式：①多层结构。这种结构是把一个大系统按功能分为多层次，其中最低层为调节器，它直接对被控对象施加控制作用。②多级结构。这种结构是在对分散的子系统实行局部控制的基础上再加一个协调级去解决子系统之间的控制作用不协调问题。
债基业绩归因方法简介及实证分析 报告摘要： 债券与股票投资组合的业绩归因方法有本质不同，债券的投资收益主要来源于息票利息、利息收入的再投资收益以及持有到期时或者被提前赎回/卖出时所得到的资本利得这三个方面，债券价格除受标的公司基本面影响外，还受到利率水平以及行业风险水平波动的影响，相比股票更为复杂，因此不能用传统的回归方法进行分析。 典型的债券基金业绩归因模型有W-T模型、加权久期归因模型以及Campisi模型。实务中Campisi模型的认可度最高，其将债券投资的收益分解成持有收益和价格收益(资本利得)，其中持有收益又可以分解为息票收益和价格收敛收益；价格收益又可以分解为利率曲线管理收益信用利差管理收益。在此基础上还可以进一步将利率曲线管理收益分解为久期管理收益和期限结构配置收益，将信用利差管理收益分解为券种配置收益和个券选择收益。 根据债基业绩归因分解模型，可以构建持有收益、利率曲线管理能力、信用利差管理能力以及综合管理能力指标。运用过去1年数据对纯债基金的进行实证分析的结果显示，综合管理能力指标与基金收益呈现一定的正相关性，且得分较高的基金平均收益率要高于整体平均收益，因此该模型对基金业绩评价具有一定的参考性。 持有收益能力较强的基金有：融通债券A/B、新华纯债添利A、银河领先债券、富国产业债等；利率曲线管理能力较强的基金有：交银纯债A、博时安心收益定期开放债A、交银双轮动A/B、鹏华产业债等；信用利差管理能力较强的基金有：嘉实增强收益定期债、建信纯债A、易方达信用债券A、万家岁得利定期开放债等；综合管理能力较强的基金有：华夏纯债A、广发理财年年红债券、交银双轮A/B、交银纯债A、融通岁岁添利定期开放债A等。 随着我国多层次债券市场的发展以及产品创新力度的加大，近年来我国债券市场保持了较快的发展速度。在这样的背景下，基金公司相继推出了各种不同类型的债券基金，如信用债基金、可转债基金、中高收益债基金、短期融资券基金等不同投资标的的债券基金，以及ETF、LOF、定期开放式、分级基金等不同模式的债券基金。 随着债券基金的不断发展，如何对债券基金的业绩进行科学有效地评估和分析，成为了当前基金公司和债券基金投资者急需解决的重要问题。一方面，对债券基金的投资业绩进行绩效归因，可以科学地度量基金经理的投资管理能力(息票收益管理、利率风险管理、信用风险管理等等)，帮助基金经理解答他们的投资决策出了什么样的问题，哪些决策过程带来了正的超额收益，哪些则是负的，怎样改进才能够提高他们的投资业绩；另一方面，通过绩效归因分析，可以帮助投资者解答某只债券基金为什么取得了比市场指数更好或者更差的业绩，超额收益和损失的具体来源是什么，从而帮助其更好地作出投资决策。 一、债券基金业绩归因模型介绍 业绩归因方法本质上是将投资组合(Portfolio)的实际收益与市场基准(Benchmark)的 收益进行比较，同时，将两者之间的差额部分分解成与投资经理决策过程对应的几种效应(Effect)，以分解差额收益的来源。理论界对股票型投资组合的业绩归因方法研究开展的较早，并且已经形成了较为完善的理论体系。而债券与股票投资组合的业绩归因方法有本质不同，债券的投资收益主要来源于息票利息、利息收入的再投资收益以及持有到期时或者被提
健康社会决定因素 传统健康观认为，疾病是由生物或理化的病因引起的，从这些病因入手，可以防治疾病。解决健康问题的主要是医生、护士、医院的事情。随着新医学模式和医学实践，人们逐渐认识到社会因素对人类健康的重要影响。 一、健康社会决定因素概念 健康社会决定因素（social determinants of health，SDH）是指在那些直接导致的疾病因素之外，由人们的社会地位和所拥有的资源所决定的生活和工作所决定的环境，及其对健康产生影响的因素。 SDH被认为是决定健康和疾病的根本原因，它包括人们从出生、成长、生活、工作到衰老的全部社会环境特征，如收入、教育、饮水和卫生设施、居住条件和社区环境等。 二、SDH理论的发展历程 （1）1948年：WHO组织章程提及社会因素； （2）20世纪50年代：强调技术和疾病的专业化； （3）20世纪60~70年代：社区运动的兴起； （4）20世纪70年代末：《阿拉木图宣言》和初级卫生保健； （5）21世纪的新进展：世卫组织“健康社会因素决定委员会”（commission on social determinants of health，CSDH）成立。 CSDH 经过3年的努力，在来自17个国家的20名委员的带领下，委员会进行了大量工作，于2008年发布了报告《用一代人时间弥合差距》。该报告提出健康不公平深受政治、社会和经济因素影响,呼吁从健康的社会影响因素方面进行全球动员,并且确立了健康的社会决定因素的概念框架和行动领域。 三、社会的概念和基本特征 社会的本质是人类生活的共同体。它的基本特征有： （1）由人群组成，人是社会系统最基本的要素； （2）社会以人与人的交往为纽带；人与人之间多方面的联系，形成了整个社会系统； （3）社会是按照一定的文化模式有组织地结合起来的系统； （4）社会以人们的生产活动为基础； （5）社会系统具有心理的、精神的联系，使互动丰富多彩； （6）社会是一个具有主动性、创造性和自我改造能力的活的有机体。 四、社会因素概述 （一）社会因素的内涵 社会因素是指社会的各项构成要素，包括环境、人口和文明程度等。它包括两个方面，即自然环境和社会环境。 （二）社会因素影响健康的基本规律 社会因素对健康存在广泛性及因果联系的多元性，即单因多果、多因单果和多因多果。 （1）泛影响性：一种因素可导致全身多个器官发生功能变化； （2）恒常性与积累性：社会因素对人类产生稠密和持久的作用，并以一定的时序作用于人体，可形成应答累积及功能损害累积作用；
系统理论的人因素模型 系统模型可反应人、机、环境之间的相互作用、反馈和调控，并能指出促成事故的一系列事件。下述几个模型都属于系统理论。一、SOR人的因素模型1969年，J瑟利提出一个事故模型，它包括两组问题，每组包含三类心理生理成分，即对事件的感知、对事件的理解以及生理行为响应。 包含有SOR的第一组侧重危险的构成，以及与此危险相关的感觉的、思考的和行为的响应。第二组，瑟利称之为显现危险时期，也同样包含有SOR三个相同的成分。在此期间，如果不能避免危险，则将产生伤害或损坏。瑟利模型如图2-2。 二、操作过程与SOR人因素的模型1978年安德淼等曾在分析60件工伤事故时，应用了瑟利模型及其提出的问题，发现后者存在相当的缺陷，并指出：瑟利虽然清楚地处理了操作者的问题，但未涉及机械及其用于环境的运行过程。通过在瑟利模型上增加一组提前步骤，即构成危险的来源及可察觉性，运行系统内部波动，控制此波动使之与操作波动相一致。这一工作过程的增加使瑟利模型更为有用，详见图2-3。 安德森对瑟利模型的增补，始于控制系统。问及系统是否能观察到，阻止察觉是否可能主要指有无噪声、照明不良或因栅栏而阻碍了对工作过程的察觉。1970年海尔认为，当人们对事件的真实情况不能做出适当响应时，事故就会发生，但并不一定造成伤害后果。海尔的模型集中于操作者与运行系统的相互作用。他的模型是二个闭环反馈系统，把下列四个方面的相互关系清楚地显示了出来：察觉情况，接受信息；处理信息；用行动改变形势；新的察觉、处理，响应。详见图2-4。 信息包括操作者在运行系统中收到的信息，这种信息可能由于机械的故障而不正确，或因视力听力不佳而察觉不到，即不完整的信息。这两种情况都可能导致行动失误。预期的信息指经常指导对信息收集和选择的预测。就预测指导感觉而言，可能发生两种类型的失误。一是操作者感觉上的失误，二是对危险征兆没有察觉。只有当信息显示不安全时，预测可以举一反三，触类旁通。当负担过重，有压力、疲劳或药物作用，使操作者对收集
归因分析-归因模型的四种类型 LunaMetircs的Robbin提到网站分析销售归因有三种模型，即（第一次互动、平均分配、第一次互动和最后一次）模型，但其实是四种模型，默认忽略了最后一次互动的模型，目前大多数的网站分析工具和网站分析模型都将销售转换中的功劳归属于最后的互动渠道和来源（最后一次互动模型），当然这里的最后其实也不一定就是真实的最后，当最后的互动渠道是直接来源的时候，功劳是会归属于SEO，PPC，或者推荐来源的，实在找不到其他人的情况，才把这好事归功于直接流量。 举个实例，请看下面的图片，自然搜索会得到这次转换的所有功劳，但其实访问者第一次是使用付费广告找到网站的： 举个更通俗易懂的例子，目前欧洲杯火爆上演，假设英格兰的一个进球有以下球员共同完成，如下所示： 毋庸置疑，进球肯定是记录在鲁尼头上的，杰拉德获得一次助攻，但是为了更好地衡量球员的表现，需要去分析谁策划的进攻，谁参与了进来，所以就有了之前提到的四种分析模型。
这些网站分析模型，Google分析高级版可以实现，据说Google Analytics（Google分析）高级版可以将营销转换渠道中互动的顺序分得清清楚楚（Google分析高级版是15万美金一年，主要特色是销售转换渠道归因，网站分析服务与培训，数据不采样）。但普天之下，很少有不差钱的主能够用上Google分析高级版，那应该如何处理这个问题呢？
在Google Analytics中，解决方法的数据源来自以下的这个报告：转化 > 多通道路径 > 热门转换路径。 请确认选择了最重要的转换。然后，导出大于0的所有转换路径。 请记住，导出数据后，建议导出的格式为.csv，用Excel打开，将会如下图所示：
基于因子分析模型的居民消费价格指数影响因素分 析 摘要：由于目前对居民消费价格变动原因的分析指标很多，且指标体系中各指标之间存在着多重共线性，从而影响了分析模型的稳定性，使所得模型中出现了不符合经济学原理的现象。本文采用多元统计分析方法，以2010年居民消费物价水平为例，建立了关于居民消费价格分类指数变动的因子分析模型，研究发现影响居民消费价格指数的主要因素为食品、衣着和家用设备等生活必需品的价格水平，其次为健身等娱乐设施价格和房价水平。 关键词：消费价格指数；影响因素；因子分析 一、研究背景 随着社会主义市场经济体制的确立和逐步完善，我国经济总量和综合实力迅速上升，居民的生活水平显着提高，经济和社会都有了较大的发展。相对于过去而言，居民食品方面的消费支出比重在逐渐下降，而在文化娱乐等方面的消费支出比重越来越大。国家发改委在全国物价局长会议上指出，明年要围绕促进经济平稳较快发展这一主线，积极稳妥地推进价格改革，切实改进价格监管，保持价格总水平基本稳定。同时由于影响价格变动的因素日益复杂，价格异常波动的可能性增加。分析影响居民消费价格指数的主要影响因素，改进价格监管，保持价格总水平基本稳定有着重要意义；同时也为产业政策的制定和宏观经济的调控提供了参考。 居民消费价格指数（CPI）是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标，在一定程度上也反映出我国居民消费结构的变化。本文通过对2010年全国居民消费价格指数的变化进行因子分析，从而确定出影响全国居民消费物价水平和消费结构变化的主导因素。 二、因子分析模型的建立 因子分析最初是由英国心理学家C.Spearman提出的，是多元统计分析的一个重要分支，其主要目的是浓缩数据。通过对诸多变量的相关性研究，来表示原来变量的主要信息。假设有n个样本，对于多指标问题X=（X1，X2，...Xk），形成的背景原因是多种多样的，其中共同原因称为公共因子，假设用Fj表示，它们之间是两两正交的；每一个分量Xi又有其特定的原因，称为特殊因子，假设用ei表示，其两两之间互不相关，且只对相应的Xi起作用。同时，F与e相互独立。于是因子分析的数学模型可表示为： Fi叫做公共因子(也称主因子)，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。
健康决定因素 要保护健康和预防疾病，首先要知道决定健康的因素是什么。预防医学把决定个体和人群健康状态的因素称为健康决定因素，既我们常说的影响健康的因素。随着医学模式的转变，我们对决定健康的因素了解越来越深入，主要包括如下方面： 1.社会经济环境 （1）社会制度与政策：社会制度是一定历史条件下形成的社会关系和社会活动的规范体系；社会政策是社会公共权威在一定的历史时期为达到一定目标而制定的行动方案和行为依据，它也是一定社会生活的行为准则和行为依据。社会制度与政策可通过不同的分配和福利制度、经济的发展模式、对卫生，资源配置的影响以及影响人们的行为健康和选择等途径来影响人们的健康。 （2）个人收入和社会地位：研究表明收入和社会地位是重要的健康影响因素。健康状态每一部的改进都与经济收入和社会地位（的提高）有关。另外，一个合理繁荣和社会福利公共平的社会，人们会享受到更高的健康水平。 （3）文化背景和社会支持网络：文化不过人们的信仰、价值观、行为规范、历史传统、风俗习惯、生活方式、地方语言和特定表象等，它通过潜移默化的作用影响着人们的健康。社会支持网络是一个人在社会中所形成的人际关。，良好的健康与家庭、朋友和社会的支持密切相关。 （4）教育：健康状况与文化程度有密切关系。文化程度增加了
就业的机会，并提高了人们控制生活条件和自我保健的能力。 （5）就业和工作条件：拥有控制工作条件和较少担心失去工作导致紧张的人们，会有更健康的身体，而失业明显与不良的健康有关。 2、物质环境 影响健康的物质环境因素中，按照物质的性质可包括：1 生物因素：外界环境中的各种生物因子，包括寄生虫、支原体、真菌、细菌、病毒等；2 化学因素：生活和职业环境中的各种有机和无机化学物，如农药、苯、铅、汞、二氧化硅粉尘、二氧化硫等：3 物理因素：气温、气湿、气流、气压等气象条件，噪声和振动，电磁辐射和电离辐射等；4 建筑环境：（如住房、工作场所的安全，社区和道路的设计、绿化等）。物理、化学和生物因素往往以空气、水、土壤和食物为载体，并通过呼吸道吸入、消化道消化吸收、皮肤渗入和被咬伤而进入人体；而建筑环境则通过影响人的行为来影响健康。 物理、化学和生物因素的来源一般包括：1 自然环境中的各类物质；2 工业生产的有害物质；3 在农业耕种等条件下产生的各种有害因素。接触的地点可发生在家庭、学校、工作场所、社区等任何场所。如： （1）生活环境产生的有害物质：生活炉灶使用产生的有害物质CO2、CO 、SO2、NO2、醛类、多环芳烃和灰分。烹调油烟也是室内污染的重要来源之一，它是一组混合性污染物、约有200余种成分。研究表明，烹调油烟冷凝物具有致突变性，是发生肺癌的危险因素。随着化学工业的发展，许多新的化学物质引入到了建筑材料、装
举例说明Kelly的归因模型 凯利认为，人们对行为的归因总是涉及三个方面的因素（1）客观刺激物；（2）行动者；（3）所处关系或情境；其中，行动者的因素是属于内部归因，客观刺激物和所处的关系或情境属于外部归因。而对上述三个因素的任何一个因素的归因又取决于下列三种行为信息： 一、区别性：指行动者是否对同类其它刺激做出相同的反应，他是在众多场合下都表现出这种行为还是仅在某一特定情境下表现这一行为。例如，一名今天迟到的员工是否经常表现得自由散漫、违反规章纪律。如果行为的区分性低，则观察者可能会对行为作内部归因；如果行为的区分性高，则活动原因可能会被归于外部。 二、一贯性：指行动者是否在任何情境和任何时候对同一刺激物做相同的反应，即行动者的行为是否稳定而持久。例如，如果一名员工并不总是上班迟到，她有7个月从未迟到过，则表明这是一个特例，行为的一贯性较低；而如果她每周都迟到两三次，则说明行为的一贯性高。行为的一贯性越高，观察者越倾向于对其作内部归因。 3、一致性：指其他人对同一刺激物是否也做出与行为者相同的方式反应。如果每个人面对相似的情境都有相同的反应，我们说该行为表现出一致性。比如，所有走相同路线上班的员工都迟到了，则迟到行为的一致性就高。从归因的观点看，如果一致性高，我们对迟到行为进行外部归因。如果走相同路线的其他员工都准时到达了，则应认为该员工的迟到行为的原因来自于内部。 例如，如果一名员工完成目前工作的水平，与其他类似的工作相同，即低区分性，而在这项工作中其他员工的水平总是和他的水平十分不同（或低或高），即低一致性，并且他的这一工作绩效无论何时都是稳定的，即高一贯性，则他的管理者或其他任何人在判断他的工作时，都会认为他自己对这一绩效负有主要责任（内部归因）。 凯利还研究了归因中的错误或偏见。比如，尽管我们在评价他人的行为时有充分的证据支持，我们总是倾向于低估外部因素的影响而高估内部或个人因素的影响。这称为基本归因错误。它可以解释下面这种情况：当销售代表的业绩不佳时，销售经理倾向于将其归因于下属的懒惰而不是客观外界条件的影响。个体还有一种倾向于是把自己的成功归因于内部因素如能力或努力，而把失败归因于外部因素如运气，这称为自我服务偏见。由此表明，对员工的绩效评估可能会受到归因偏见的影响。 凯利对归因理论的贡献在于，他提出了一个归因过程的严密的逻辑分析模式，对人们的归因过程做了比较细致、合理的分析和解释。但是，他的三度理论也遭到了人们的批评。这些批评主要是指他过分强调归因的逻辑性，使之成为一个理想化的模式，脱离了普通人归因活动的实际。人们实际上往往得不到这个模型所要求的信息，不知道某人在以前同样场合中的行为，也难知道其他人在同样的场合中的行为，经验表明，在许多情况下，人们对于所发生的事件，并不是多方观察、收集足够的信息而后进行归因，而往往是利用在生活经验中形成的某些固定的联系，根据自己的需要、期望，凭借有限的信息，对行为结果经济、迅速地做出归因，而并不象统计学家那样对信息资料进行繁琐的分析。这也就是凯利所说的单线索归因。因此，凯利后来对他的理论加以了补充和完善。他提出了因果图式说，来弥补三度理论的不足。所谓因果图式，就是人们在日常生活中形成的关于各种现象之间的因果关系的基本认知结构，在具体的归因过程中，这种认知结构会被特殊的事件唤醒而参与对行为的归因。后来，凯利又为他的归因理论补充了几条原则，即打折扣原则、增强原则和补偿原则。打折扣原则是指人们对于他人行为的归因，可能事先有几种假设，如果其他似乎可能的原因同时出现，那么最初假定的原因就不可全信了，需要打折扣。增强原则是指如果行为发生在有连续性的抑制原因出现
环境工程系统工程学 ——GM(1,1)灰色模型预测 南通市人口 组员：金艳青李月寒陆祎韵王翻翻杨小梅张月
GM(1,1)灰色模型预测南通市人口 摘要：人口预测是制定国民经济计划、区域发展规划、城市总体规划的基础，对研究区域和城市发展战略具有重要意义。本文以灰色预测理论为指导，选取南通市不同时期的三组样本分别建立了人口规模GM(1,1)模型，并对未来人口规模进行了预测和精度分析。 关键词：灰色预测、GM(1,1)模型、南通市人口预测 1人口预测的意义 人口增长是影响一个国家、一个地区持续发展的重要因素。自第二次世界大战结束以来，世界人口进入了快速增长时期。1987年7月11日世界人口突破50亿大关，而据联合国人口基金会的估计，世界人口将在本世纪末超过60亿，其中新增人口的90%集中在发展中国家。人口的过速增长已经带来了诸如环境污染、资源短缺等一系列问题。 由于人口数量极其增长速度在区域发展战略中具有举足轻重的地位，因此在制定国民经济计划、区域发展规划、城市总体规划以及区域或城市发展战略时，人口问题便自然成为必须深入探讨的一项课题，其中对研究地区未来人口的预测更显重要。 人口发展受多种因素的影响如人口政策受教育程度、经济条件、社会发展水平、宗教习俗、自然环境等等。人口预测就是根据人口现状及对影响人口发展的各种因素的假设，对未来人口规模、结构、变动和趋势所作的测算。但是，在影响人口发展的各种因素中，对特定地区的人口发展而言，许多因素是不能定量描述的或模糊的，有些因素甚至是不可知的。所以，利用传统的计量方法建立人口预测模型时，对那些不可知或部分不可知的影响因素很难把握。实际上，人口发展是一个比较典型的灰色系统，利用灰色系统理论建立预测模型进行人口预测，能够获得比较满意的效果[1]。本文用GM(1,1)模型对江苏省南通市人口规模进行预测，进而对其预测精度进行一些必要的探讨。 2人口预测模型的选择 2.1相关模型介绍