楊娟、謝遠濤著的《面板數據聚類的復合方法與
應用》的研究主題為面板數據聚類分析。隨著數據庫
技術的發展，數據結構越來越復雜，從結構化數據，
如截面數據、面板數據及高維面板數據等，演變到非
結構化數據，如文本、圖形和視頻等。面板數據是計
量經濟學最先提出的研究對像，已經有很多文獻研究
面板數據的分類和預測模型，而研究面板數據聚類的
文獻卻較少。傳統聚類算法的主要研究對像是截面數
據，其聚類算法不適用於研究面板數據的聚類問題。
因此，需要加強對面板數據聚類問題的研究。

第1章 引言
1.1 研究背景和研究意義
1.1.1 研究背景
1.1.2 研究的現實意義
1.1.3 研究的理論意義
1.2 研究內容及結構安排
1.3 研究創新點和難點
1.3.1 研究創新點
l.3.2 研究難點
第2章 面板數據聚類的方法及文獻綜述
2.1 聚類方法的分類和聚類效果的評價
2.1.1 聚類方法的分類
2.1.2 聚類效果的評價
2.2 面板數據聚類的文獻綜述
2.2.1 面板數據聚類的研究對像
2.2.2 面板數據的聚類步驟
2.2.3 構造相似性度量的方法
2.2.4 面板數據的聚類方法
2.3 縱向數據聚類的文獻綜述
2.4 小結
第3章 基於密度的面板數據聚類分析
3.1 用分類方法構造相似繫數
3.1.1 用Logistic回歸模型構造相似繫數
3.1.2 用判別分析構造相似繫數
3.1.3 用K近鄰分類器構造相似繫數
3.2 構造非對稱相似矩陣
3.2.1 相似繫數的確定
3.2.2 非對稱相似矩陣的構造
3.3 BF.DBSCAN聚類方法
3.3.1 DBSCAN聚類方法
3.3.2 *佳優先搜索
3.3.3 輪廓繫數
3.3.4 BF-DBSCAN聚類方法
3.4 實例分析
3.4.1 影響BF-DBSCAN聚類結果的因素
3.4.2 比較BF—DBSCAN和DBSCAN的聚類結果
3.4.3 比較BF—DBSCAN聚類結果和截面數據聚類結果
3.5 小結
第4章 基於復合PCC的面板數據聚類分析
4.1 多元copula的構建
4.1.1 可交換阿基米德copula的構造
4.1.2 嵌套阿基米德copula的構造
4.1.3 Paircopula的構造
4.1.4 三種多元copula構造方法的比較
4.2 用復合PCC度量面板數據的依賴結構
4.2.1 用HNAC度量依賴結構
4.2.2 用D—vine和HNAC度量依賴結構
4.2.3 用C—vine和HNAC度量依賴結構
4.2.4 用PCC和HNAC度量依賴結構的一般模型
4.3 復合PCC的參數估計
4.3.1 極大似然法
4.3.2 邊際推斷函數兩階段估計
4.3.3 半參兩階段估計
4.3.4 半參逐步估計
4.4 模型評價和擬合優度檢驗
4.4.1 Hit檢驗
4.4.2 模型評價
4.4.3 擬合優度檢驗
4.5 基於復合PCC的面板數據聚類步驟
4.5.1 面板數據聚類的模型設定和參數估計
4.5.2 面板數據聚類的算法選擇和聚類步驟
4.6 實例分析
4.6.1 不同copula函數的選擇
4.6.2 HNAC的聚類結果
4.6.3 D—vine和HNAC的復合PCC聚類結果
4.6.4 C—vine和HNAC的復合PCC聚類結果
4.7 小結
第5章 基於近鄰傳播的面板數據聚類分析
5.1 近鄰傳播聚類
5.2 自適應近鄰傳播聚類
5.3 基於自適應近鄰傳播的面板數據聚類
5.4 實例分析
5.4.1 *佳聚類中心
5.4.2 幾何聚類中心
5.5 小結
第6章 總結與展望
6.1 總結
6.2 展望
參考文獻
附錄
致謝