Szakirodalom 453
Statisztikai Szemle, 95. évfolyam 4. szám rendszerek műszaki, biológiai, ökológiai, gaz-
dasági és szociológiai szempontjait.
A szerzők olyan témákat tárgyalnak, mint a gazdálkodási rendszerek új alapokra helye- zése, agroökológiai elvek és a gyakorlat, a mezőgazdaság változása és alacsony szükség- letű technológiák, ökológiai alapú tápanyag- gazdálkodás, a jelenlegieknél kedvezőbb tulajdonságokkal rendelkező növények neme- sítése, fejlesztési célú kutatások az állatte-
nyésztésben, nemek közötti egyenlőtlenség helyi szinten és a mezőgazdasági innováció jellemzői. A széles tárgykört egységes iroda- lomjegyzék és a kiadvány honlapja egészíti ki.
A kötet értékes forrás lehet agrártudomá- nyi, környezetmérnöki és vidéktervezési ta- nulmányokat folytató diákok, agrárfejlesztési irodák kutatói, valamint kormányzati tovább- képző programok, fejlesztési ügynökségek és civil szervezetek szakemberei számára.
Társfolyóiratok
AZ AMERIKAI STATISZTIKAI TÁRSASÁG FOLYÓIRATA
2016. ÉVI 516. SZÁM Utts, J.: Appreciating statistics.
Airoldi, E. M. – Bischof, J. M.: Improving and evaluating topic models and other models of text.
Lysy, M. et al.: Model comparison and as- sessment for single particle tracking in biolog- ical fluids.
Zhao, Y. et al.: Hierarchical feature selec- tion incorporating known and novel biological information: identifying genomic features related to prostate cancer recurrence.
Fiecas, M. – Ombao, H.: Modeling the evolution of dynamic brain processes during an associative learning experiment.
Gaskins, J. T. – Daniels, M. J. – Marcus, B. H.: Bayesian methods for non-ignorable dropout in joint models in smoking cessation studies.
Murray, J. S. – Reiter, J. P.: Multiple im- putation of missing categorical and continuous
values via Bayesian mixture models with local dependence.
Polzehl, J. – Tabelow, K.: Low SNR in diffusion MRI models.
Härdle, W. K. et al.: Localizing tempera- ture risk.
Chen, G. – Zeng, D. – Kosorok, M. R.:
Personalized dose finding using outcome weighted learning.
Wood, S. N. – Pya, N. – Säfken, B.:
Smoothing parameter and model selection for general smooth models.
Wang, X. – Lim, J. – Stokes, L.: Using ranked set sampling with cluster randomized designs for improved inference on treatment effects.
Conrad, P. R. et al.: Accelerating asymp- totically exact MCMC for computationally intensive models via local approximations.
Ročková, V. – George, E. I.: Fast Bayesian factor analysis via automatic rotations to sparsity.
Satopää, V. A. – Pemantle, R. – Ungar, L.
H.: Modeling probability forecasts via infor- mation diversity.
Bagchi, P. – Banerjee, M. – Stoev, S. A.:
Inference for monotone functions under short- and long-range dependence: confidence inter- vals and new universal limits.
454 Szakirodalom
Statisztikai Szemle, 95. évfolyam 4. szám Coretto, P. – Hennig, Ch.: Robust improp-
er maximum likelihood: tuning, computation, and a comparison with other methods for robust Gaussian clustering.
Steorts, R. C. – Hall, R. – Fienberg, S. E.:
A Bayesian approach to graphical record linkage and deduplication.
Miao, W. – Ding, P. – Geng, Zh.: Identifi- ability of normal and normal mixture models with nonignorable missing data.
Patilea, V. – Sánchez-Sellero, C. – Sau- mard, M.: Testing the predictor effect on a functional response.
Jing, B.-Y.: On SURE-type double shrink- age estimation.
Narisetty, N. N. – Nair, V. N.: Extremal depth for functional data and applications.
Conti, P. L. – Marella, D. – Scanu, M.:
Statistical matching analysis for complex survey data with applications.
Fan, J. – Xue, L. – Zou, H.: Multitask quan- tile regression under the transnormal model.
Godolphin, J. D.: A link between the e- value and the robustness of block designs.
Cseke, B. et al.: Sparse approximate infer- ence for spatio-temporal point process models.
Agostinelli, C. – Yohai, V. J.: Composite robust estimators for linear mixed models.
Zhang, X. et al.: Optimal model averaging estimation for generalized linear models and generalized linear mixed-effects models.
Sarkar, A. – Dunson, D. B.: Bayesian nonpar- ametric modeling of higher order Markov chains.
Li, D. – Qian, J. – Su, L.: Panel data mod- els with interactive fixed effects and multiple structural breaks.
Fogarty, C. B. – Small, D. S.: Sensitivity analysis for multiple comparisons in matched observational studies through quadratically constrained linear programming.
Lockwood, J. R. – McCaffrey, D. F.:
Matching and weighting with functions of error-prone covariates for causal inference.
AZ ANGOL KIRÁLYI STATISZTIKAI TÁRSASÁG FOLYÓIRATA
(A SOROZAT) 2017. ÉVI 1. SZÁM
Allin, P. – Hand, D. J.: New statistics for old? – measuring the wellbeing of the UK.
Enki, D. G. et al.: Taylor’s power law and the statistical modelling of infectious disease surveillance data.
Young, D. S. – Raim, A. M. – Johnson, N.
R.: Zero-inflated modelling for characterizing coverage errors of extracts from the US Cen- sus Bureau’s Master Address File.
Rocha, L. E. C. et al.: Respondent-driven sampling bias induced by community structure and response rates in social networks.
Boulieri, A. et al.: A space-time multivari- ate Bayesian model to analyse road traffic accidents by severity.
Wong, A. et al.: Assessing the inequality of lifetime healthcare expenditures: a nearest neighbour resampling approach.
Groß, M. et al.: Estimating the density of ethnic minorities and aged people in Berlin:
multivariate kernel density estimation applied to sensitive georeferenced administrative data protected via measurement error.
Wiśniowski, A.: Combining Labour Force Survey data to estimate migration flows: the case of migration from Poland to the UK.
Tourangeau, R. et al.: Adaptive and respon- sive survey designs: a review and assessment.
Angelini, V. – Bertoni, M. – Corazzini, L.:
Unpacking the determinants of life satisfac- tion: a survey experiment.
Foster, J. C. et al.: Identifying subgroups of enhanced predictive accuracy from longitu- dinal biomarker data by using tree-based approaches: applications to fetal growth.
Szakirodalom 455
Statisztikai Szemle, 95. évfolyam 4. szám Steele, F. et al.: Multilevel structural equa-
tion models for longitudinal data where predic- tors are measured more frequently than out- comes: an application to the effects of stress on the cognitive function of nurses.
Beyersmann, J. – Schrade, Ch.: Florence Nightingale, William Farr and competing risks.
Barbillon, P. et al.: Stochastic block mod- els for multiplex networks: an application to a multilevel network of researchers.
Page, G. L. et al.: Exploring complete school effectiveness via quantile value added.
AZ EGYESÜLT ÁLLAMOK
MATEMATIKAI STATISZTIKAI INTÉZETÉNEK FOLYÓIRATA
2016. ÉVI 4. SZÁM
Watson, J. – Holmes, Ch.: Approximate models and robust decisions.
Glad, I. – Hjort, N. L.: Model uncertainty first, not afterwards.
Grünwald, P.: Contextuality of misspecifi- cation and data-dependent losses.
Bochkina, N. A.: Selection of KL neigh- bourhood in robust Bayesian inference.
Goldstein, M.: Issues in robustness analysis.
Robert, Ch. P. – Rousseau, J.: Nonparamet- ric Bayesian clay for robust decision bricks.
Hansen, L. P. – Marinacci, M.: Ambiguity aversion and model misspecification: an eco- nomic perspective.
Singpurwalla, N. D.: Filtering and track- ing survival propensity (reconsidering the foundations of reliability).
Coolen, F. P. A.: On software and system reliability growth and testing.
Arjas, E.: How about wearing two hats, first Popper’s and then de Finetti’s?
Hutton, J.: What does “propensity” add?
Shafer, G.: Reconciling the subjective and objective aspects of probability.
Lawrance, A. J.: Chaos communication: a case of statistical engineering.
Fraser, D. A. S. et al.: Bayes, reproducibil- ity and the quest for truth.
Smith, Th. R. – Wakefield, J.: A review and comparison of age-period-cohort models for cancer incidence.
Niu, Y. S. – Hao, N. – Zhang, H.: Multiple change-point detection: a selective overview.
Chipman, H. A. – Joseph, V. R.: A conver- sation with Jeff Wu.
Martin, R. – Stufken, J. – Yang, M.: A conversation with Samad Hedayat.
AZ OROSZ ÁLLAMI STATISZTIKAI BIZOTTSÁG FOLYÓIRATA
2016. ÉVI 10. SZÁM
Laikam, K. E.: A bérstatisztikai rendszer fejlesztéséről.
Bessonov, V. A.: A tévesen mért infláció okozta veszteségek.
Vlasenko, N. A. – Sivorinovskiy, B. G. – Aparin, N. S.: Az egyéni lakásépítés statiszti- kai megfigyelésének fejlesztéséről.
Umanets, L. V. – Laikam, K. E. – Zhihareva, O. B.: Bérkülönbségek statisztikai felmérése.
Baranov, E. F. et al.: Input-output táblá- kon alapuló dekompozíciós elemzés.
Pozhydayeva, E. S.: Élelmiszerimport- helyettesítés Oroszországban: statisztikai vizsgálat.
Smelov, P. A. – Egorova, E. A. – Karmanov, M. V.: Oroszország demográfiai biztonságának statisztikai vizsgálata.
456 Szakirodalom
Statisztikai Szemle, 95. évfolyam 4. szám Okladnikov, S. M. – Ivanova, A. M. –
Safonov, T. A.: Miként befolyásolja a területi gazdasági folyamatok változása a lakosság életminőségét?
Gromyko, G. L. – Karasev, O. I. – Karaseva, L. A.: Aron Jakovlevics Bojarszkij születésének 110. évfordulója.
2016. ÉVI 11. SZÁM
Dumnov, A. D.: A környezeti-gazdasági számlarendszer alkalmazásának nemzetközi ajánlásai és a bevezetésével járó kihívások a nemzeti statisztikában.
Varjas, I. Yu, – Zubec, A. N.: Oroszország gazdasági tevékenységét jellemző főbb muta- tók értékelése az OECD-módszertan alapján.
Atayev, A. M.: A társadalmi előrehaladás és a fenntartható fejlődés értékeléséről.
Grishina, E. E. – Kazakova, Y. M. – Lyashok, V. Y.: A bérek egyenlőtlensége Oroszországban. Területi és foglalkoztatási szempontok.
Suvorov, N. V.: A strukturális paraméterek a priori korlátain alapuló ökonometriai modellezés.
Mindeli, L. E. – Pashinceva, N. I.: Az orosz oktatási rendszer és annak megjelenése a statisztikában.
2016. ÉVI 12. SZÁM
Karasev, O. I. – Karaseva, L. A. – Okhrimenko, A. A.: Az átlagbérindex területi alkalmazásának módszertani kérdései Orosz- országban.
Ivanov, Y. N.: Árstatisztikai problémákról.
Zarova, E. V. – Musikhin, S. N. – Smelov, P. A.: Statisztikai források és módszerek az alkalmazottak keresetének előrejelzésében.
Smirnov, S. V. – Frenkel, A. A. – Kondrashov, N. V.: A területi gazdasági telje- sítmény mutatói.
Vorozheykina, T. M.: Átfogó élelmiszer- biztonsági vizsgálat.
Zbarskaya, I. A.: A 2020. évi népszámlálá- sok előkészítése a FÁK-országokban.
Kasymbekov, B. K. – Raimjanov, B. M. – Kasymbekova, L. B.: A kirgizisztáni agrárszek- tor szolgáltatásfejlesztésének hatékonysága – statisztikai elemzés.
Glushchenko, G. I. – Osmova, M. N.: Az európai bevándorlási válság statisztikai vizsgá- lata.
Plyshevsky, B. P.: Posztszovjet országok a piacgazdaságban – gazdasági és statisztikai áttekintés.
