A. eviews拟合arima模型好坏怎么看
残差是否白噪声，bic等拟合优度指标都可以。
ARIMA模型差分整合移动平均自回归模型，又称整合移动平均自回归模型移动也可称作滑动，是时间序列预测分析方法之一。
ARIMAp，d，q中，AR是自回归，p为自回归项数。MA为滑动平均，q为滑动平均项数，d为使之成为平稳序列所做的差分次数阶数。差分一词虽未出现在ARIMA的英文名称中，却是关键步骤。
B. aic是接近零好还是负数好
负数好。因为AIC和BIC一般为负值，也就是绝对值越大，负得越多越好。你要算出可用sample大小一样情况下不同模型的AIC和SC然后比较那个最小就可以了。通常情况还是选择AIC最小的，不过当输出的几个指标选择的滞后期不一致的时候也会用LR检验。
C. BIC,CCU,CICU是什么意思啊(好像是医疗术语)
ICU是英文Intensive Care Unit的缩写，意为重症加强护理病房。重症医学监护是随着医疗护理专业的发展、新型医疗设备的诞生和医院管理体制的改进而出现的一种集现代化医疗护理技术为一体的医疗组织管理形式。中小医院是一个病房，大医院是一个特别科室，把危重病人集中起来，在人力、物力和技术上给予最佳保障，以期得到良好的救治效果。
ICU在世界上有30多年的历史了，现已成为医院中危重病人的抢救中心。ICU的监护水平如何，设备是否先进，已成为衡量一个医院水平的重要标志。我国的ICU起步较晚，开始于80年代初期，目前国内设有ICU的医院还不普遍，但已受到了重视，估计发展很快。ICU又分综合ICU的专科ICU(如烧伤ICU、心血管外科ICU、新生儿ICU等)。
CCU是专科ICU中的一种，第一个C是冠心病Coronary heart disease的缩写，是专门对重症冠心病而设的。
ICU设有中心监护站，直接观察所有监护的病床。每个病床占面积较宽，床位间用玻璃或布帘相隔。ICU主要收治对象是：①严重创伤、大手术后及必须对生命指标进行连续严密监测和支持者；②需要心肺复苏者；③某个脏器(包括心、脑、肺、肝、肾)功能衰竭或多脏器衰竭者；④重症休克、败血症及中毒病人；⑤脏器移植前后需监护和加强治疗者。病情好转后，又转回普通病房。
ICU的设备必须配有床边监护仪、中心监护仪、多功能呼吸治疗机、麻醉机、心电图机、除颤仪、起搏器、输液泵、微量注射器、气管插管及气管切开所需急救器材。在条件较好的医院，还配有血气分析仪、微型电子计算机、脑电图机、B超机、床旁X线机、血液透析器、动脉内气囊反搏器、血尿常规分析仪、血液生化分析仪等。由于ICU是在现化医疗装备下对病情相当危重的患者进行监护治疗，因此，在ICU里工作的人员，必须具备厚实的医学基础理论知识，有较丰富的临床经验，应变能力强，并能掌握复杂仪器的操作。
ICU能使重危病人得到早期而又准确的诊断，紧急而又恰当的处理。
可能还有朋友看到过SICU，这是外科重症监护的意思。
D. 比亚迪报BIC故障怎么解决
摘要 问：一辆比亚迪E5纯电动车，行驶里程1 400km，最近出现不能行驶的故障。该车启动初始能上电，仪表盘上“OK”指示灯变绿，并且出现“已启动，可挂档行驶”的提示，车辆可以启动和行驶。约行驶1min后，OK指示灯突然熄灭，车辆自动停驶，这时仪表盘上有“请检查动力系统”的提示。而后该车仍可重新“上电”，观看仪表盘上的SOC指标，仍然有40％以上的电量，这种电量情况本不应该引起动力电池报警。为证实动力电池的实际电量是否不足，利用车载充电器进行交流慢充电，结果发现动力电池的电压没有上升；连接直流充电桩，仍然无法给车辆充电。请问该车故障应如何诊断？
E. 统计里面，评价指数C-index和AUC的区别
其实指数C-index和AUC是差不多的，针对二分类 lo_go_is_tic 回归的 C-in_dex 等价于 ROC 曲线下面积AUC。C-index，英文名全称concordance index，中文里有人翻译成一致性指数，最早是由范德堡大学（Vanderbilt University）生物统计教教授Frank E Harrell Jr 1996年提出，主要用于计算生存分析中的COX模型预测值与真实之间的区分度（discrimination），AUC 主要反映二分类 lo_gis_tic 回归模型的预测能力，但 C-in_dex 可以评价各种模型预测结果的准确性，可以简单这样理解：C-in_dex 是 AUC 的扩展，AUC 是 C-in_dex 的一种特殊情况。
拓展资料：
1、一般评价模型的好坏主要有两个方面，一是模型的拟合优度（Goodness of Fit)，常见的评价指标主要有R方、-2logL、AIC、BIC等；另外一个是模型的预测精度，顾名思义就是模型的真实值与预测值之间差别大小，均方误差，相对误差等。在临床应用上更注重预测精度，建模的主要目的是用于预测，而C-index它就属于模型评价指标中的预测精度。
2、C-in_dex 是一个可以用于判断各种模型区分能力的指标。针对二分类 lo_gis_tic 回归模型，C-in_dex 可简化为：某疾病病人的预测患病概率大于对照的预测患病概率的可能性。C-index在0.5-1之间（任意配对随机情况下一致与不一致刚好是0.5的概率）。0.5为完全不一致，说明该模型没有预测作用，1为完全一致，说明该模型预测结果与实际完全一致。一般情况下C-index在0.50-0.70为准确度较低：在0.71-0.90之间为准确度中等；而高于0.90则为高准确度。
3、AUC指标是临床研究中最常用的评价指标，其有数主要体现为：
(1)对样本是否均衡并不敏感，允许实际阳性、阴性个案数差距较大。
(2) 不需要提前设定阈值，而是通过遍历阈值的方式来达到整体的评估效果。
定义AUC值为ROC曲线右下方几何面积，取值范围为0到1，在实际建模过程中，根据AUC值所处范围可大致判断模型的泛化能力强弱：一般情况下AUC在0.50-0.70为准确度较低；在0.71-0.90之间为准确度中等；而高于0.90则为高准确度。
F. 中国邮政储蓄银行的 swift BIC码是什么
SWIFT是“Society，Worldwide，Interbank，Financial
Telecommunication环球同业银行金融电讯协会”的英文简称。凡该协会的成员银行都有自己特定的SWIFT代码，即SWIFT
CODE。在电汇时，汇出行按照收款行的SWIFT
CODE发送付款电文，就可将款项汇至收款行。该号相当于各个银行的身份证号。
这样的话，如果你的银行是知名银行，如中国银行，那么对方银行可以通过查阅Swift代码表来找到相对应的代码。
当然你的收款银行主动提供该代码可以减少错误的发生几率。
(6)bic指标扩展阅读
中国邮政储蓄银行（Postal Savings Bank of China，简称PSBC，邮储银行）于2007年3月20日正式挂牌成立，是中国第五大银行，是在改革邮政储蓄管理体制的基础上组建的国有商业银行。
2012年2月27日，经国务院同意，中国邮政储蓄银行有限责任公司于2012年1月21日依法整体变更为中国邮政储蓄银行股份有限公司。依法承继原中国邮政储蓄银行有限责任公司全部资产、负债、机构、业务和人员，依法承担和履行原中国邮政储蓄银行有限责任公司在有关具有法律效力的合同或协议中的权利、义务，以及相应的债权债务关系和法律责任。
2018年7月10日，财富中文网发布2018年《财富》中国500强榜单，中国邮政储蓄银行排名第37位。
中国邮政储蓄银行已成为全国网点规模最大、覆盖面最广、服务客户数量最多的商业银行。截至2015年9月末，邮储银行拥有营业网点超过4万个，打造了包括网上银行、手机银行、电话银行、电视银行、微博银行、微信银行和易信银行在内的电子金融服务网络，服务触角遍及广袤城乡，服务客户近5亿人；累计发放小微企业贷款超过2.4万亿元，帮助1200万户小微企业解决了融资难题；资产总额近6.8万亿元，信贷资产不良率为0.82%，资本回报率、利润增长率、不良贷款率、拨备覆盖率和经济利润率等关键指标达到银行同业优秀或良好水平；评级机构对邮储银行的主体信用评级和债券信用评级均为“AAA”。在英国《银行家》杂志“2015年全球银行1000强排名”评选中，邮储银行按总资产位居第23位、按一级资本位居第54位。
中国邮政储蓄银行将继续依托网络优势，按照公司治理架构和商业银行管理要求，不断丰富业务品种、完善服务渠道、提升服务能力，为广大客户提供更全面、更便捷的金融服务，打造成为一家资本充足、内控严密、营运安全、品牌卓越、竞争力强的大型零售商业银行。
G. 一致性指数和AUC的得数相同吗
不相同
一致性指数
C-index，英文名全称concordance index，中文里有人翻译成一致性指数，最早是由范德堡大学（Vanderbilt University）生物统计教教授Frank E Harrell Jr 1996年提出，主要用于计算生存分析中的COX模型预测值与真实之间的区分度（discrimination），和大家熟悉的AUC其实是差不多的。在评价肿瘤患者预后模型的预测精度中用的比较多。一般评价模型的好坏主要有两个方面，一是模型的拟合优度（Goodness of Fit),常见的评价指标主要有R方、-2logL、AIC、BIC等；另外一个是模型的预测精度，顾名思义就是模型的真实值与预测值之间差别大小，均方误差，相对误差等。在临床应用上更注重预测精度，建模的主要目的是用于预测，而C-index它就属于模型评价指标中的预测精度。
H. sas中的vif，aic，bic，mallow's cp指标怎么看
vif是看共线性的，以10为标准
aic，bic是判断模型拟合的
cp不用特意关注
I. 测定血清总蛋白的参考方法是
总蛋白的六种检测方法
（一）凯氏定氮法
将血清与强酸一起加热消化，使血清中的含氮化合物转化为铵盐，再加碱使铵盐成为氨进经蒸馏分离出来，最后用酸滴定测定氮量，按每克氨相当于6.25g蛋白质计算蛋白质的浓度。
应用历史较久，结果较准确，是蛋白质测定的参考方法，但操作复杂，影响因素较多，且不少蛋白质的含氮量并非16%，不适用于日常工作，目前多用于标准蛋白的标定及校正其它的常规方法。
（二）双缩脲法
蛋白质中的肽键（-CONH-）在碱性条件下与Cu2+络合成紫红色复合物，产生的颜色强度在一定范围内与蛋白质含量成正比。
此反应和二分子尿素缩合后的产物双缩脲（H2N-CO-NH-CO-NH2）与碱性铜溶液作用形成紫红色的反应相似，故称为双缩脲反应。几分子中含有两个甲酰胺基(-CO-NH2)的化合物都能出现此反应。
因至少含2个-CONH-基团才能与Cu2+络合，所以氨基酸和二肽无此反应。体液中小分子肽含量极低，故血浆中除蛋白质外几乎不存在可与双缩脲试剂显色的物质，且各种蛋白质显色程度基本相同。
此法简便、准确、重复性好，在10-120g／L。浓度范围内呈良好的线性关系，批内CV值<2％，但灵敏度较其它方法稍差，是目前临床上最常规的方法。
（三）酚试剂法
蛋白质分子中的酪氨酸残基和色氨酸残基能够和酚试剂中的磷钨酸-磷钼酸反应生成蓝色化合物。Lowry改良法在酚试剂中加入Cu2+，提高了呈色的灵敏度，其中75％呈色靠铜离子产生。Lowry改良法的灵敏度为双缩脲法的100倍左右。
由于各种蛋白质中酪氨酸和色氨酸的比例不同，如白蛋白含色氨酸为0.2％，而在一些球蛋白中色氨酸含量高达2％~3％，因此使用本法测定纯粹的、单一的蛋白质较合适。此法灵敏度较高，为10~60ug／ml，因而适用于测定蛋白质含量较少的标本(如脑脊液)，但试剂反应易受还原性化合物糖类、酚类及多种药物如水杨酸、氯丙嗪和某些磺胺药的干扰。
（四）紫外分光光度法
蛋白质分子内的色氨酸、酪氨酸等芳香族氨基酸可使蛋白质溶液在280nm波长处有一吸收峰，依此性质可用于蛋白质定量。
由于各种蛋白质中芳香族氨基酸的含量和比例不同，血清中游离的酪氨酸和色氨酸在280nm处也有吸收，因尿酸和胆红素在280nm处也有干扰，因而本法的准确性和特异性都受到很大的影响。
此法敏感而且简便，由于制剂未经任何处理，蛋白质的生物活性得以保留，故常用于较纯的酶和免疫球蛋白的测定。但此法需紫外分光光度计和石英比色杯。
（五）染料结合法
在酸性环境中，蛋白质分子解离出的-NH3+，可与染料的阴离子产生颜色反应。常用的染料有氨基黑、考马斯亮蓝等。这一性质可用于电泳后蛋白质的染色和血清总蛋白测定。
此法操作简便、重复性好、灵敏度高、且干扰因素较少。缺点是特异性不高，分子量3 000以上的多肽也参与反应。另外，不同蛋白质和染料的结合力不一致，因此很难找到一种合适的物质作标准物，使此方法的应用受到限制。
（六）比浊法
用某些酸类(如二氯醋酸、磺基水杨酸等)和血清蛋白质结合产生沉淀，然后测定其浊度，与同样处理的蛋白标准液比较，即可求得蛋白质含量。
此方法简便，不需特殊仪器。缺点是浊度形成的强弱易受多种因素影响，如加入试剂的方法、反应时的温度等。另外，蛋白质沉淀时易形成絮状物，难以获得稳定的悬浮液
J. phyml系统发生树构建中，aic和bic哪一个标准更好
p值就是路径系数的显著性水平，路径系数固定为1，只是设置了一个参考路径，并不影响标准化路径系数的估计。 SPSS AMOS 21.0是一款使用结构方程式，探索变量间的关系的软件 轻松地进行结构方程建模（SEM） 快速创建模型以检验变量之间的相互影响及其原因 比普通最客服乘回归和探索性因子分析更进一步 使用Amos 21.0进一步改进您的分析 无论您评估程序，还是开发行为态度模型，您都有可能遇到传统分析技术无能为力的情况。那么，如果您能使用一些复杂的，同时却不需冗长的编程或者学习过程的建模技术，情况会如何呢？ Amos软件和结构方程模型（SEM）助您成功 结构方程模型（SEM）是一种多元分析技术，它包含标准的方法，并在标准方法的基础上进行了扩展。这些方法包括回归技术、因子分析、方差分析和相关分析。Amos21.0让SEM变得容易。它拥有的直观的拖放式绘图工具，让您快速地以演示级路径图定制模型而无需编程。 使用 Amos21.0，让您比单独使用因子分析或回归分析能获得更精确、丰富的综合分析结果，Amos21.0 在构建方程式模型过程中的每一步骤均能提供图形环境，只要在 Amos 的调色板工具和模型评估中以鼠标轻点绘图工具便能指定或更换模型。通过快速的模型建立来检验您的变量是如何互相影响以及为何会发生此影响。 即使有缺失值也能达到精准 Amos 处理缺失值的最大特色就是拥有Full Information Maximum Likelihood ，即使资料不完整，Amos 也不会遗漏任何一个情况，并且会自动计算正确的标准误及适当的统计量，降低您的估算值偏差。 简易但功能强大 （1）AMOS具有的方差分析、协方差，假设检验等一系列基本分析方法。 （2）AMOS的贝叶斯和自抽样的方法应用，这个AMOS最具特色的方法，这个也算是比较前沿的应用，在一定程度上克服了大样本条件的限制，当样本低于200甚至是低于100时，贝叶斯方法的结果仍然比较稳定，尤其是MCMC的结果，该方法也可以提供路径分析间接效应的标准误，这在中介效应的使用方面特别有用，还可以观察估计参数的先验概率分布和事后概率分布，并进行人为设定。另外bootstrap也提供类似模拟的标准误，而且提供bootstrap的ADF、ML、GLS、SLS、ULS等参数估计的方法。另外也为时间序列数据提供自相关图用于侦察序列相关。 （3）AMOS提供方程检验的统计指标，不用说也是很丰富的，需要强调的是有些指标例如SRMR等需要自行设置才能提供，另外比较重要的指标如RMSEA的检验需要自己在figure caption里设置\pclose才能看到，请详情见手册。 （4）指定搜索（specification search），不知翻译的对不对，这个功能在探索变量间的关系上很好用，关系太多，也没什么假设，使用这个功能看看数据本身是什么关系。一般如果关系很复杂，数据量也很大，使用逐步法能节省很多时间。 （5）AMOS可以实现曲线增长模型，这种模型主要用于追踪数据，研究随时间变化的规律，AMOS这方面的发展很好，包括高阶曲线增长及其衍生的模型。不过同样在基于多层线性模型的曲线增长模型上无法实现。 （6）其他的模型例如混合建模，非递归模型等在AMOS里均有实现。同时AMOS高版本提供程序的透明性、可扩展性，与VB、SAS等软件提供接口，使得其程序编写上带来很大的便利，也拓展了应用范围，而且至20版以后AMOS在程序方面也得到了加强，例如程序编写、程序的生成等，其应用前景更加明朗。 技术说明 图形化用户界面 o 通过一个路径图浏览器显示文件夹中所有路径图的描述和缩略图 o 只需用鼠标点击就可选择编程选项 o 只需点击一下鼠标，就可以显示一张包括多个组或者模型的图表 o 查看数据文件内容 o 从数据集中把变量名拖到路径图中 建模能力 o 创建带有观测和隐性变量的结构方程模型（包括特例，如路径分析和纵向数据模型） o 使用一到两种方法定制候选模型： －指定每一个候选模型为对模型参数的等同约束的一个集合 －以探索性的方式使用SEM。Amos会尝试许多模型，使用Aikaike信息标准（AIC）和Bayesian信息标准（BIC）统计方法比较模型，并找出最有前途的模型。 o 进行证实性的因子分析：方差分解、变量误差、度量模型和隐性变量 建模 o 使用路径图来定制模型 o 使用绘图工具改变路径图，从而更改模型 o 在路径图上图形化地显示参数估计和拟合测量 o 在路径图上绘图的任何时刻显示自由度 分析能力和统计功能 o 使用完全信息最大似然估计得到更有效、更小偏倚的缺失值估计 o 输入参数值，观察在特定时刻的效应，以及使用模型库的离散函数值的效应 o 使用快速自举模拟，对于任意实验分布下的任何模型参数估计，找到近似分布，包括标准化系数 －评估符合Bollen和Stine自举方式的模型 －计算百分比区间以及偏差修正百分比区间 输出 o 使用有条件的导航帮助；使用增强的文本输出显示选项和表格格式选项 －使用导航面板快速定位并显示输出的各个部分 －将导航面板里的各部分和表格标题链接至右键帮助 －将数值（例如导航面板中显示的p值）链接至"use-it-in-a-sentence"帮助，得到有关数字含义的简单明了的英语说明 Amos 21.0-使用结构方程式，探索变量间的关系 "Amos 使用路径图来定制模型的方法完美自然…Amos是毫无疑问的赢家。" －J.J.Hox 《Amos，EQS and LISREL for Windows：a comparative review. Structural Equation Modeling》 轻松地进行结构方程建模（SEM） 快速创建模型以检验变量之间的相互影响及其原因 比普通最小二乘回归和探索性因子分析更进一步 使用Amos 21.0进一步改进您的分析 无论您评估程序，还是开发行为态度模型，您都有可能遇到传统分析技术无能为力的情况。那么，如果您能使用一些复杂的，同时却不需冗长的编程或者学习过程的建模技术，情况会如何呢？ Amos软件和结构方程模型（SEM）助您成功 结构方程模型（SEM）是一种多元分析技术，它包含标准的方法，并在标准方法的基础上进行了扩展。这些方法包括回归技术、因子分析、方差分析和相关分析。Amos让SEM变得容易。它拥有的直观的拖放式绘图工具，让您快速地以演示级路径图定制模型而无需编程。 使用 Amos让您比单独使用因子分析或回归分析能获得更精确、丰富的综合分析结果，Amos 21.0在构建方程式模型过程中的每一步骤均能提供图形环境，只要在Amos的调色板工具和模型评估中以鼠标轻点绘图工具便能指定或更换模型。通过快速的模型建立来检验您的变量是如何互相影响以及为何会发生此影响。 系统需要 ： Microsoft Windows 98，Me，NT○R 4.0（SP6），2000或XP 18MB 硬盘空间 系统为Windows 98和Me至少需要128MB内存；系统为NT 4.0，2000和XP至少需要256M内存 Internet Explorer 6