bic指標

A. eviews擬合arima模型好壞怎麼看

殘差是否白雜訊，bic等擬合優度指標都可以。
ARIMA模型差分整合移動平均自回歸模型，又稱整合移動平均自回歸模型移動也可稱作滑動，是時間序列預測分析方法之一。
ARIMAp，d，q中，AR是自回歸，p為自回歸項數。MA為滑動平均，q為滑動平均項數，d為使之成為平穩序列所做的差分次數階數。差分一詞雖未出現在ARIMA的英文名稱中，卻是關鍵步驟。

B. aic是接近零好還是負數好

負數好。因為AIC和BIC一般為負值，也就是絕對值越大，負得越多越好。你要算出可用sample大小一樣情況下不同模型的AIC和SC然後比較那個最小就可以了。通常情況還是選擇AIC最小的，不過當輸出的幾個指標選擇的滯後期不一致的時候也會用LR檢驗。

C. BIC,CCU,CICU是什麼意思啊(好像是醫療術語)

ICU是英文Intensive Care Unit的縮寫，意為重症加強護理病房。重症醫學監護是隨著醫療護理專業的發展、新型醫療設備的誕生和醫院管理體制的改進而出現的一種集現代化醫療護理技術為一體的醫療組織管理形式。中小醫院是一個病房，大醫院是一個特別科室，把危重病人集中起來，在人力、物力和技術上給予最佳保障，以期得到良好的救治效果。
ICU在世界上有30多年的歷史了，現已成為醫院中危重病人的搶救中心。ICU的監護水平如何，設備是否先進，已成為衡量一個醫院水平的重要標志。我國的ICU起步較晚，開始於80年代初期，目前國內設有ICU的醫院還不普遍，但已受到了重視，估計發展很快。ICU又分綜合ICU的專科ICU(如燒傷ICU、心血管外科ICU、新生兒ICU等)。

CCU是專科ICU中的一種，第一個C是冠心病Coronary heart disease的縮寫，是專門對重症冠心病而設的。

ICU設有中心監護站，直接觀察所有監護的病床。每個病床占面積較寬，床位間用玻璃或布簾相隔。ICU主要收治對象是：①嚴重創傷、大手術後及必須對生命指標進行連續嚴密監測和支持者；②需要心肺復甦者；③某個臟器(包括心、腦、肺、肝、腎)功能衰竭或多臟器衰竭者；④重症休克、敗血症及中毒病人；⑤臟器移植前後需監護和加強治療者。病情好轉後，又轉回普通病房。
ICU的設備必須配有床邊監護儀、中心監護儀、多功能呼吸治療機、麻醉機、心電圖機、除顫儀、起搏器、輸液泵、微量注射器、氣管插管及氣管切開所需急救器材。在條件較好的醫院，還配有血氣分析儀、微型電子計算機、腦電圖機、B超機、床旁X線機、血液透析器、動脈內氣囊反搏器、血尿常規分析儀、血液生化分析儀等。由於ICU是在現化醫療裝備下對病情相當危重的患者進行監護治療，因此，在ICU里工作的人員，必須具備厚實的醫學基礎理論知識，有較豐富的臨床經驗，應變能力強，並能掌握復雜儀器的操作。
ICU能使重危病人得到早期而又准確的診斷，緊急而又恰當的處理。
可能還有朋友看到過SICU，這是外科重症監護的意思。

D. 比亞迪報BIC故障怎麼解決

摘要 問：一輛比亞迪E5純電動車，行駛里程1 400km，最近出現不能行駛的故障。該車啟動初始能上電，儀表盤上「OK」指示燈變綠，並且出現「已啟動，可掛檔行駛」的提示，車輛可以啟動和行駛。約行駛1min後，OK指示燈突然熄滅，車輛自動停駛，這時儀表盤上有「請檢查動力系統」的提示。而後該車仍可重新「上電」，觀看儀表盤上的SOC指標，仍然有40％以上的電量，這種電量情況本不應該引起動力電池報警。為證實動力電池的實際電量是否不足，利用車載充電器進行交流慢充電，結果發現動力電池的電壓沒有上升；連接直流充電樁，仍然無法給車輛充電。請問該車故障應如何診斷？

E. 統計裡面，評價指數C-index和AUC的區別

其實指數C-index和AUC是差不多的，針對二分類 lo_go_is_tic 回歸的 C-in_dex 等價於 ROC 曲線下面積AUC。C-index，英文名全稱concordance index，中文裡有人翻譯成一致性指數，最早是由范德堡大學（Vanderbilt University）生物統計教教授Frank E Harrell Jr 1996年提出，主要用於計算生存分析中的COX模型預測值與真實之間的區分度（discrimination），AUC 主要反映二分類 lo_gis_tic 回歸模型的預測能力，但 C-in_dex 可以評價各種模型預測結果的准確性，可以簡單這樣理解：C-in_dex 是 AUC 的擴展，AUC 是 C-in_dex 的一種特殊情況。


拓展資料：
1、一般評價模型的好壞主要有兩個方面，一是模型的擬合優度（Goodness of Fit)，常見的評價指標主要有R方、-2logL、AIC、BIC等；另外一個是模型的預測精度，顧名思義就是模型的真實值與預測值之間差別大小，均方誤差，相對誤差等。在臨床應用上更注重預測精度，建模的主要目的是用於預測，而C-index它就屬於模型評價指標中的預測精度。
2、C-in_dex 是一個可以用於判斷各種模型區分能力的指標。針對二分類 lo_gis_tic 回歸模型，C-in_dex 可簡化為：某疾病病人的預測患病概率大於對照的預測患病概率的可能性。C-index在0.5-1之間（任意配對隨機情況下一致與不一致剛好是0.5的概率）。0.5為完全不一致，說明該模型沒有預測作用，1為完全一致，說明該模型預測結果與實際完全一致。一般情況下C-index在0.50-0.70為准確度較低：在0.71-0.90之間為准確度中等；而高於0.90則為高准確度。
3、AUC指標是臨床研究中最常用的評價指標，其有數主要體現為：
(1)對樣本是否均衡並不敏感，允許實際陽性、陰性個案數差距較大。
(2) 不需要提前設定閾值，而是通過遍歷閾值的方式來達到整體的評估效果。
定義AUC值為ROC曲線右下方幾何面積，取值范圍為0到1，在實際建模過程中，根據AUC值所處范圍可大致判斷模型的泛化能力強弱：一般情況下AUC在0.50-0.70為准確度較低；在0.71-0.90之間為准確度中等；而高於0.90則為高准確度。

F. 中國郵政儲蓄銀行的 swift BIC碼是什麼

SWIFT是「Society，Worldwide，Interbank，Financial
Telecommunication環球同業銀行金融電訊協會」的英文簡稱。凡該協會的成員銀行都有自己特定的SWIFT代碼，即SWIFT
CODE。在電匯時，匯出行按照收款行的SWIFT
CODE發送付款電文，就可將款項匯至收款行。該號相當於各個銀行的身份證號。
這樣的話，如果你的銀行是知名銀行，如中國銀行，那麼對方銀行可以通過查閱Swift代碼表來找到相對應的代碼。
當然你的收款銀行主動提供該代碼可以減少錯誤的發生幾率。

(6)bic指標擴展閱讀
中國郵政儲蓄銀行（Postal Savings Bank of China，簡稱PSBC，郵儲銀行）於2007年3月20日正式掛牌成立，是中國第五大銀行，是在改革郵政儲蓄管理體制的基礎上組建的國有商業銀行。
2012年2月27日，經國務院同意，中國郵政儲蓄銀行有限責任公司於2012年1月21日依法整體變更為中國郵政儲蓄銀行股份有限公司。依法承繼原中國郵政儲蓄銀行有限責任公司全部資產、負債、機構、業務和人員，依法承擔和履行原中國郵政儲蓄銀行有限責任公司在有關具有法律效力的合同或協議中的權利、義務，以及相應的債權債務關系和法律責任。

2018年7月10日，財富中文網發布2018年《財富》中國500強榜單，中國郵政儲蓄銀行排名第37位。
中國郵政儲蓄銀行已成為全國網點規模最大、覆蓋面最廣、服務客戶數量最多的商業銀行。截至2015年9月末，郵儲銀行擁有營業網點超過4萬個，打造了包括網上銀行、手機銀行、電話銀行、電視銀行、微博銀行、微信銀行和易信銀行在內的電子金融服務網路，服務觸角遍及廣袤城鄉，服務客戶近5億人；累計發放小微企業貸款超過2.4萬億元，幫助1200萬戶小微企業解決了融資難題；資產總額近6.8萬億元，信貸資產不良率為0.82%，資本回報率、利潤增長率、不良貸款率、撥備覆蓋率和經濟利潤率等關鍵指標達到銀行同業優秀或良好水平；評級機構對郵儲銀行的主體信用評級和債券信用評級均為「AAA」。在英國《銀行家》雜志「2015年全球銀行1000強排名」評選中，郵儲銀行按總資產位居第23位、按一級資本位居第54位。

中國郵政儲蓄銀行將繼續依託網路優勢，按照公司治理架構和商業銀行管理要求，不斷豐富業務品種、完善服務渠道、提升服務能力，為廣大客戶提供更全面、更便捷的金融服務，打造成為一家資本充足、內控嚴密、營運安全、品牌卓越、競爭力強的大型零售商業銀行。

G. 一致性指數和AUC的得數相同嗎

不相同
一致性指數
C-index，英文名全稱concordance index，中文裡有人翻譯成一致性指數，最早是由范德堡大學（Vanderbilt University）生物統計教教授Frank E Harrell Jr 1996年提出，主要用於計算生存分析中的COX模型預測值與真實之間的區分度（discrimination），和大家熟悉的AUC其實是差不多的。在評價腫瘤患者預後模型的預測精度中用的比較多。一般評價模型的好壞主要有兩個方面，一是模型的擬合優度（Goodness of Fit),常見的評價指標主要有R方、-2logL、AIC、BIC等；另外一個是模型的預測精度，顧名思義就是模型的真實值與預測值之間差別大小，均方誤差，相對誤差等。在臨床應用上更注重預測精度，建模的主要目的是用於預測，而C-index它就屬於模型評價指標中的預測精度。

H. sas中的vif，aic，bic，mallow's cp指標怎麼看

vif是看共線性的，以10為標准
aic，bic是判斷模型擬合的
cp不用特意關注

I. 測定血清總蛋白的參考方法是

總蛋白的六種檢測方法
（一）凱氏定氮法
將血清與強酸一起加熱消化，使血清中的含氮化合物轉化為銨鹽，再加鹼使銨鹽成為氨進經蒸餾分離出來，最後用酸滴定測定氮量，按每克氨相當於6.25g蛋白質計算蛋白質的濃度。
應用歷史較久，結果較准確，是蛋白質測定的參考方法，但操作復雜，影響因素較多，且不少蛋白質的含氮量並非16%，不適用於日常工作，目前多用於標准蛋白的標定及校正其它的常規方法。
（二）雙縮脲法
蛋白質中的肽鍵（-CONH-）在鹼性條件下與Cu2+絡合成紫紅色復合物，產生的顏色強度在一定范圍內與蛋白質含量成正比。
此反應和二分子尿素縮合後的產物雙縮脲（H2N-CO-NH-CO-NH2）與鹼性銅溶液作用形成紫紅色的反應相似，故稱為雙縮脲反應。幾分子中含有兩個甲醯胺基(-CO-NH2)的化合物都能出現此反應。
因至少含2個-CONH-基團才能與Cu2+絡合，所以氨基酸和二肽無此反應。體液中小分子肽含量極低，故血漿中除蛋白質外幾乎不存在可與雙縮脲試劑顯色的物質，且各種蛋白質顯色程度基本相同。
此法簡便、准確、重復性好，在10-120g／L。濃度范圍內呈良好的線性關系，批內CV值<2％，但靈敏度較其它方法稍差，是目前臨床上最常規的方法。
（三）酚試劑法
蛋白質分子中的酪氨酸殘基和色氨酸殘基能夠和酚試劑中的磷鎢酸-磷鉬酸反應生成藍色化合物。Lowry改良法在酚試劑中加入Cu2+，提高了呈色的靈敏度，其中75％呈色靠銅離子產生。Lowry改良法的靈敏度為雙縮脲法的100倍左右。
由於各種蛋白質中酪氨酸和色氨酸的比例不同，如白蛋白含色氨酸為0.2％，而在一些球蛋白中色氨酸含量高達2％~3％，因此使用本法測定純粹的、單一的蛋白質較合適。此法靈敏度較高，為10~60ug／ml，因而適用於測定蛋白質含量較少的標本(如腦脊液)，但試劑反應易受還原性化合物糖類、酚類及多種葯物如水楊酸、氯丙嗪和某些磺胺葯的干擾。
（四）紫外分光光度法
蛋白質分子內的色氨酸、酪氨酸等芳香族氨基酸可使蛋白質溶液在280nm波長處有一吸收峰，依此性質可用於蛋白質定量。
由於各種蛋白質中芳香族氨基酸的含量和比例不同，血清中游離的酪氨酸和色氨酸在280nm處也有吸收，因尿酸和膽紅素在280nm處也有干擾，因而本法的准確性和特異性都受到很大的影響。
此法敏感而且簡便，由於制劑未經任何處理，蛋白質的生物活性得以保留，故常用於較純的酶和免疫球蛋白的測定。但此法需紫外分光光度計和石英比色杯。
（五）染料結合法
在酸性環境中，蛋白質分子解離出的-NH3+，可與染料的陰離子產生顏色反應。常用的染料有氨基黑、考馬斯亮藍等。這一性質可用於電泳後蛋白質的染色和血清總蛋白測定。
此法操作簡便、重復性好、靈敏度高、且干擾因素較少。缺點是特異性不高，分子量3 000以上的多肽也參與反應。另外，不同蛋白質和染料的結合力不一致，因此很難找到一種合適的物質作標准物，使此方法的應用受到限制。
（六）比濁法
用某些酸類(如二氯醋酸、磺基水楊酸等)和血清蛋白質結合產生沉澱，然後測定其濁度，與同樣處理的蛋白標准液比較，即可求得蛋白質含量。
此方法簡便，不需特殊儀器。缺點是濁度形成的強弱易受多種因素影響，如加入試劑的方法、反應時的溫度等。另外，蛋白質沉澱時易形成絮狀物，難以獲得穩定的懸浮液

J. phyml系統發生樹構建中，aic和bic哪一個標准更好

p值就是路徑系數的顯著性水平，路徑系數固定為1，只是設置了一個參考路徑，並不影響標准化路徑系數的估計。 SPSS AMOS 21.0是一款使用結構方程式，探索變數間的關系的軟體 輕松地進行結構方程建模（SEM） 快速創建模型以檢驗變數之間的相互影響及其原因 比普通最客服乘回歸和探索性因子分析更進一步 使用Amos 21.0進一步改進您的分析 無論您評估程序，還是開發行為態度模型，您都有可能遇到傳統分析技術無能為力的情況。那麼，如果您能使用一些復雜的，同時卻不需冗長的編程或者學習過程的建模技術，情況會如何呢？ Amos軟體和結構方程模型（SEM）助您成功 結構方程模型（SEM）是一種多元分析技術，它包含標準的方法，並在標准方法的基礎上進行了擴展。這些方法包括回歸技術、因子分析、方差分析和相關分析。Amos21.0讓SEM變得容易。它擁有的直觀的拖放式繪圖工具，讓您快速地以演示級路徑圖定製模型而無需編程。 使用 Amos21.0，讓您比單獨使用因子分析或回歸分析能獲得更精確、豐富的綜合分析結果，Amos21.0 在構建方程式模型過程中的每一步驟均能提供圖形環境，只要在 Amos 的調色板工具和模型評估中以滑鼠輕點繪圖工具便能指定或更換模型。通過快速的模型建立來檢驗您的變數是如何互相影響以及為何會發生此影響。 即使有缺失值也能達到精準 Amos 處理缺失值的最大特色就是擁有Full Information Maximum Likelihood ，即使資料不完整，Amos 也不會遺漏任何一個情況，並且會自動計算正確的標准誤及適當的統計量，降低您的估算值偏差。 簡易但功能強大 （1）AMOS具有的方差分析、協方差，假設檢驗等一系列基本分析方法。 （2）AMOS的貝葉斯和自抽樣的方法應用，這個AMOS最具特色的方法，這個也算是比較前沿的應用，在一定程度上克服了大樣本條件的限制，當樣本低於200甚至是低於100時，貝葉斯方法的結果仍然比較穩定，尤其是MCMC的結果，該方法也可以提供路徑分析間接效應的標准誤，這在中介效應的使用方面特別有用，還可以觀察估計參數的先驗概率分布和事後概率分布，並進行人為設定。另外bootstrap也提供類似模擬的標准誤，而且提供bootstrap的ADF、ML、GLS、SLS、ULS等參數估計的方法。另外也為時間序列數據提供自相關圖用於偵察序列相關。 （3）AMOS提供方程檢驗的統計指標，不用說也是很豐富的，需要強調的是有些指標例如SRMR等需要自行設置才能提供，另外比較重要的指標如RMSEA的檢驗需要自己在figure caption里設置\pclose才能看到，請詳情見手冊。 （4）指定搜索（specification search），不知翻譯的對不對，這個功能在探索變數間的關繫上很好用，關系太多，也沒什麼假設，使用這個功能看看數據本身是什麼關系。一般如果關系很復雜，數據量也很大，使用逐步法能節省很多時間。 （5）AMOS可以實現曲線增長模型，這種模型主要用於追蹤數據，研究隨時間變化的規律，AMOS這方面的發展很好，包括高階曲線增長及其衍生的模型。不過同樣在基於多層線性模型的曲線增長模型上無法實現。 （6）其他的模型例如混合建模，非遞歸模型等在AMOS里均有實現。同時AMOS高版本提供程序的透明性、可擴展性，與VB、SAS等軟體提供介面，使得其程序編寫上帶來很大的便利，也拓展了應用范圍，而且至20版以後AMOS在程序方面也得到了加強，例如程序編寫、程序的生成等，其應用前景更加明朗。 技術說明 圖形化用戶界面 o 通過一個路徑圖瀏覽器顯示文件夾中所有路徑圖的描述和縮略圖 o 只需用滑鼠點擊就可選擇編程選項 o 只需點擊一下滑鼠，就可以顯示一張包括多個組或者模型的圖表 o 查看數據文件內容 o 從數據集中把變數名拖到路徑圖中 建模能力 o 創建帶有觀測和隱性變數的結構方程模型（包括特例，如路徑分析和縱向數據模型） o 使用一到兩種方法定製候選模型： －指定每一個候選模型為對模型參數的等同約束的一個集合 －以探索性的方式使用SEM。Amos會嘗試許多模型，使用Aikaike信息標准（AIC）和Bayesian信息標准（BIC）統計方法比較模型，並找出最有前途的模型。 o 進行證實性的因子分析：方差分解、變數誤差、度量模型和隱性變數 建模 o 使用路徑圖來定製模型 o 使用繪圖工具改變路徑圖，從而更改模型 o 在路徑圖上圖形化地顯示參數估計和擬合測量 o 在路徑圖上繪圖的任何時刻顯示自由度 分析能力和統計功能 o 使用完全信息最大似然估計得到更有效、更小偏倚的缺失值估計 o 輸入參數值，觀察在特定時刻的效應，以及使用模型庫的離散函數值的效應 o 使用快速自舉模擬，對於任意實驗分布下的任何模型參數估計，找到近似分布，包括標准化系數 －評估符合Bollen和Stine自舉方式的模型 －計算百分比區間以及偏差修正百分比區間 輸出 o 使用有條件的導航幫助；使用增強的文本輸出顯示選項和表格格式選項 －使用導航面板快速定位並顯示輸出的各個部分 －將導航面板里的各部分和表格標題鏈接至右鍵幫助 －將數值（例如導航面板中顯示的p值）鏈接至"use-it-in-a-sentence"幫助，得到有關數字含義的簡單明了的英語說明 Amos 21.0-使用結構方程式，探索變數間的關系 "Amos 使用路徑圖來定製模型的方法完美自然…Amos是毫無疑問的贏家。" －J.J.Hox 《Amos，EQS and LISREL for Windows：a comparative review. Structural Equation Modeling》 輕松地進行結構方程建模（SEM） 快速創建模型以檢驗變數之間的相互影響及其原因 比普通最小二乘回歸和探索性因子分析更進一步 使用Amos 21.0進一步改進您的分析 無論您評估程序，還是開發行為態度模型，您都有可能遇到傳統分析技術無能為力的情況。那麼，如果您能使用一些復雜的，同時卻不需冗長的編程或者學習過程的建模技術，情況會如何呢？ Amos軟體和結構方程模型（SEM）助您成功 結構方程模型（SEM）是一種多元分析技術，它包含標準的方法，並在標准方法的基礎上進行了擴展。這些方法包括回歸技術、因子分析、方差分析和相關分析。Amos讓SEM變得容易。它擁有的直觀的拖放式繪圖工具，讓您快速地以演示級路徑圖定製模型而無需編程。 使用 Amos讓您比單獨使用因子分析或回歸分析能獲得更精確、豐富的綜合分析結果，Amos 21.0在構建方程式模型過程中的每一步驟均能提供圖形環境，只要在Amos的調色板工具和模型評估中以滑鼠輕點繪圖工具便能指定或更換模型。通過快速的模型建立來檢驗您的變數是如何互相影響以及為何會發生此影響。 系統需要 ： Microsoft Windows 98，Me，NT○R 4.0（SP6），2000或XP 18MB 硬碟空間 系統為Windows 98和Me至少需要128MB內存；系統為NT 4.0，2000和XP至少需要256M內存 Internet Explorer 6