具有分組效應的時空滯后模型與獎勵型眾籌問題研究.pdf

1、本篇論文由兩部分構成。第一部分研究的是時空滯后模型的相關問題，第二部分研究的是利用決策樹解決眾籌領域的相關問題。兩部分獨立進行研究，相互之間并無關聯。
　　第一部分:
　　本部分提出了時空模型STLM-gl，這個模型的時空權重矩陣為下三角陣且具有分組效應。算法STENOLS(Spatio-Temporal Elastic Net and Ordinary LeastSquares)可以用來估計上述模型的參數?？臻g模型的（空間

2、滯后模型與空間誤差模型）空間權重矩陣在以往的研究中通常是主觀給定，這往往與真實的空間結構有所出入。在該部分中，算法STENOLS就是用來估計模型STLM-gl中未知的時空權重矩陣，其可幫助研究人員更好的找到隱藏的時空結構。通過利用彈性網絡估計時空權重矩陣中不為0的元素，再利用最小二乘法估計具體參數值，其產生的偏差比僅用彈性網絡要小的多。Pace于2000年發(fā)表的論文已經表明了分組效應在實際應用場景中是具有實際意義的。
　　第二部分

3、:
　　隨著眾籌行業(yè)的迅猛發(fā)展，眾籌項目數量迅速增長，使得投資者在項目選擇上花費了大量的時間精力。本部分旨在幫助投資者以最少時間成本選擇優(yōu)質的眾籌項目。在假設眾籌項目優(yōu)質程度與融資完成比有正相關關系的前提下，本部分基于京東眾籌數據，利用CART回歸樹算法進行決策樹建模。研究結果表明，投資者應重點關注目標金額，關注人數，項目進展和話題這四個指標。本部分研究結果僅適用于獎勵型眾籌，對于其他類型眾籌應當重新選擇自變量進行模型建立，但決策