基于貝葉斯估計(jì)的大學(xué)生不良行為網(wǎng)絡(luò)自相關(guān)模型及實(shí)證.pdf

1、大學(xué)生的不良行為會(huì)給自身發(fā)展、學(xué)校管理和他人帶來很大的困擾，也會(huì)給社會(huì)增加很大的不穩(wěn)定因素。已有研究表明，大學(xué)生不良行為與其所在的人際關(guān)系網(wǎng)有顯著關(guān)系。在心理學(xué)和教育學(xué)領(lǐng)域，關(guān)于大學(xué)生不良行為的研究屢見不鮮，但對(duì)結(jié)合關(guān)系網(wǎng)的研究還鮮有發(fā)現(xiàn)。
　　社會(huì)網(wǎng)絡(luò)分析方法中的網(wǎng)絡(luò)自相關(guān)模型可以綜合考慮大學(xué)生人際關(guān)系網(wǎng)的影響和自身因素的影響，是很好的網(wǎng)絡(luò)效應(yīng)分析工具。本文建立了大學(xué)生不良行為的多重網(wǎng)絡(luò)自相關(guān)模型，在對(duì)模型進(jìn)行估計(jì)的基礎(chǔ)上，應(yīng)用

2、該模型對(duì)大學(xué)生不良行為進(jìn)行了實(shí)證分析，主要工作如下：
　?。?）在綜述大學(xué)生不良行為的現(xiàn)有研究的基礎(chǔ)上，建立了大學(xué)生不良行為的指標(biāo)體系；
　?。?）結(jié)合網(wǎng)絡(luò)自相關(guān)模型的發(fā)展和大學(xué)生不良行為指標(biāo)體系，建立了大學(xué)生不良行為多重網(wǎng)絡(luò)自相關(guān)模型；
　?。?）推導(dǎo)了大學(xué)生不良行為多重網(wǎng)絡(luò)自相關(guān)模型的最小二乘估計(jì)法、極大似然估計(jì)法和貝葉斯估計(jì)法；其中包括對(duì)普通最小二乘估計(jì)法的不一致性進(jìn)行了改進(jìn)，給出了極大似然估計(jì)和貝葉斯估計(jì)的編程

3、步驟；
　?。?）對(duì)我校大學(xué)生不良行為進(jìn)行了實(shí)證分析；包括我校大學(xué)生不良行為量表的設(shè)計(jì)，數(shù)據(jù)的收集和整理，基于網(wǎng)絡(luò)屬性的大學(xué)生不良行為分析和基于網(wǎng)絡(luò)自相關(guān)模型的大學(xué)生不良行為分析，并對(duì)三種估計(jì)方法進(jìn)行了比較，論文最后給出了一些糾正大學(xué)生不良行為的對(duì)策。
　　通過大學(xué)生不良行為網(wǎng)絡(luò)自相關(guān)模型的實(shí)證分析，得到如下主要研究結(jié)果：
　?。?）對(duì)于模型估計(jì)，普通最小二乘（OLS）估計(jì)不滿足參數(shù)估計(jì)的一致性，可以利用二階最小二乘估

4、計(jì)進(jìn)行改進(jìn)；極大似然法（MLE）估計(jì)得到的估計(jì)量具有無偏性和一致性，相比OLS來說具有更好的擬合效果，但MLE在樣本量大時(shí)計(jì)算量很大，計(jì)算復(fù)雜度高；貝葉斯（Bayes）估計(jì)在設(shè)定參數(shù)的先驗(yàn)分布情況推導(dǎo)可得各個(gè)參數(shù)的條件分布，通過抽樣能得到一個(gè)收斂且穩(wěn)定的參數(shù)估計(jì)樣本，能很好的減少樣本數(shù)據(jù)的異常值帶來的影響，且計(jì)算簡(jiǎn)潔；從計(jì)算結(jié)果上來看，極大似然估計(jì)和貝葉斯估計(jì)比最小二乘法擬合程度更高；
　?。?）從實(shí)證結(jié)果來看，客觀原因方面關(guān)系網(wǎng)