Nonlinear Relationship between the Number of Children and Late-life Cognition
白玉婷（湖南大学）/ 丸山志子（暨南大学）/ 王思（湖南大学）
Midlatitude Storm Dynamics Better Explained by Lagrangian Analysis
使用ERA-5重新分析数据检查暴风雨的生长表明，在极端条件下，斜视性与风暴活动之间存在非线性关系。
Neural Network (MLP) for Time Series Forecasting in Practice
特征工程和构建 MLP 模型的实用示例简介时间序列，更具体地说是时间序列预测，是专业人士和商业用户中非常著名的数据科学问题。存在几种预测方法，为了理解和更好的概述，可以将其归类为统计或机器学习方法，但事实上，对预测的需求如此之高，以至于可用的选项非常丰富。机器学习方法被认为是时间序列预测中最先进的方法，并且越来越受欢迎，因为它们能够捕捉数据中复杂的非线性关系，并且通常可以提高预测的准确性 [1]。一个流行的机器学习领域是神经网络领域。具体来说，对于时间序列分析，循环神经网络已被开发并应用于解决预测问题 [2]。数据科学爱好者可能会发现此类模型背后的复杂性令人生畏，作为你们中的一员，我可以说我也
A Permutation Test Regression Example
在上周的一篇文章中，我谈到了排列（随机化）检验，以及它们与我们在计量经济学中通常使用的（经典参数）检验程序有何不同。我假设您已经阅读了该文章。（可能在某个时候会有一次小测验！）我承诺会提供一个基于回归的示例。毕竟，我在上一篇文章中介绍的两个示例旨在揭示排列/随机化检验的基本原理。它们确实没有太多“计量经济学内容”。在下文中，我将交替使用术语“排列检验”和“随机化检验”。我们在这里要做的是查看一个简单的回归模型，看看我们如何使用随机化检验来查看回归变量 x 和因变量 y 之间是否存在线性关系。请注意，我说的是“简单回归”模型。这意味着只有一个回归量（除了截距）。多元回归模型为置换检验提出了各种各
The trade-off between equality and efficiency reexamined
在本周早些时候阅读并评论了斯蒂格利茨的书之后，在写下以下段落之后......“我也一直认为平等与效率之间的关系是非线性的，而不仅仅是简单的权衡。平等过多并不好，因为它会减少激励，但不平等过多也不好。我想说这种关系是倒 U 型的，走向两个极端——平等过多和过少都对经济不利。诀窍是找到一个最佳点，既能降低不平等程度，又能为每个人提供更多机会，同时又足以继续推动激励。更多内容请见我的下一篇博客文章。”......我只是需要更深入地研究整个平等效率权衡。所以我从一位专门研究经济权衡的人那里挑选了一本开创性的书，他就是 - 亚瑟·奥肯！奥肯更为著名的是他的“定律”，该定律规定了 GDP 和失业率之间的线
