模型结果的敏感性分析

灵敏度分析中常用的元模型有哪些？

回答：灵敏度分析中常用的元模型有MARS(多元自适应回归样条)、ACOSSO(自适应分量选择和平滑算子)、支持向量机、GP(高斯过程)、TGP(树状高斯过程)。MARS结合了样条回归、逐步模型拟合和递归划分。

什么是敏感性分析？

A:敏感性分析是研究如何将数学模型或系统(数值或其他)输出中的不确定性划分并分配给输入中不同的不确定性来源。一个相关的做法是不确定性分析，更注重不确定性的量化和传播；理想情况下，不确定性和敏感性分析应该同时进行。

敏感性分析结果与主要分析结果不一致怎么办？

A:当敏感性分析结果与主分析结果不一致时，说明主分析结果不稳健。建议在结果部分直接呈现敏感性分析结果，以引起读者的关注和思考，并在讨论部分对可能的原因进行分析和说明。如有必要，还应进行模拟研究。关于如何执行标准和报告敏感性分析，目前还没有统一的标准。

单变量敏感性分析表有哪些？

回答：常用的单变量敏感性分析表有：地价-利润率、售价-利润率、成本-利润率；地价-内部收益率，销售价格-内部收益率，成本-内部收益率。操作基本相同。我们以地价-利润率的敏感性分析为例进行了论证。