伊利达雷模型

一、伊利达雷模型

没买过，现在最好的是威龙的，但是货很少，其次是田宫的，最近田宫要出新品MIA2 TUSK2 哦 ，还是买新的吧

二、扩展E-R模型方法研究

不得不说的是，数据库实在是个麻烦的东西，从昨天搞到今天下午，终于算是决定了正式ER模型1.0版了。但是即使模型决定了，我们的命途依旧多舛，各个表如何设计又困扰了我们整整一天，我还算好的，由于主要负责Cobol，所以这两天我只是参加一部分比较麻烦部分的讨论，负责数据库的那两位，看来已经是痛不欲生，近乎暴走，就差没口吐白沫了……

不过说来我也闲不得，这两天里我的主要任务就是看往届参赛队伍的Cobol源代码，对着满屏幕的大写字母看上半天也着实不是有意思的经历……不过也还是获益良多的，现在对我们的项目的Cobol程序结构已经大概有点思路了，提高代码质量的招数也学到了些。现在嘛，一边看代码，一边静待我痛不欲生的那天的来临，实在是一种很有意思的心理状态啊……

做过应用软件开发的朋友们大多都熟悉传统的开发生命周期：应用软件首先从业务分析员画在在纸上或者流程图工具中的业务草图开始，一个个功能被定义出来；然后交到开发人员手里，设计，编码，组装；接着应用软件又交付业务分析员做测试；业务人员按照当初设计草图勾勒的功能去测试，发现问题后报一个Bug，提请开发人员修改代码。反复多次，最后交付的软件很少有和设计100%契合的，大部分是业务人员与开发人员互相让步的结果。由业务人员直接参与测试，还是比较理想的情况，多数开发过程，测试由专门的测试人员按照他们对业务设计的理解做测试，他们对业务的理解又会同业务分析员以及开发人员有所偏差。

可以发现，整个应用软件的开发周期中，在交流沟通上，以及为纠正沟通产生的误解，花费了大量的人力物力。为了解决沟通的问题，特别是业务人员和技术人员之间的沟通，软件开发过程中引入了许多模型。模型能够在一定程度上对问题提供抽象，能够作为不同领域之间有效交流的共通符号。

说到模型，就会想到常用的数据库设计的ER模型，应用程序设计的UML，以及一些其他一些业务流程模型。随着软件开发工具的不断进步，许多模型只要能够提供完备的需求描述，完全能够直接产生应用的实现代码，而且也能够按照实现代码利用逆向工程产生对应的模型。这样的模型多数是来自于技术领域的模型，例如：ER模型和UML中的模型。模型和代码之间的双向工程，极大的方便了应用系统的设计和维护。相对于改变代码，对模型的更改更加迅速高效，而且避免手工编码对模型的误解。相对而言，来自于业务领域的模型基本上只能作为需求描述的工具，并不能直接映射到工作流程和业务系统的实现。而SOA的出现，让这种情况得到改观。

SOA之所以成为业界的热门议题，其中一个重要的因素就是对应用系统的模块做出了更高层次的抽象，同时提供了面向业务和面向技术的方法论。面向对象模型中对象层次的抽象——类、对象、属性、事件，等等，是技术领域首次试图通过模仿客观世界的存在让业务领域能够更好理解应用系统。SOA把这种尝试成功的推进了一步，通过更高层次的抽象，让业务功能模块——或者称作“服务”包含更多业务的因素，而把实现的技术细节完全隐藏在标准的接口界面之后。更高抽象的“服务”，正好契合了业务流程模型的抽象粒度。业务人员熟悉的模型，就能直接映射到工作流程和业务系统的实现。

所以，SOA让模型驱动的开发进入业务层次，业务人员而非技术人员成为这个层次上的创新主体。软件开发的生命周期中，增加了“服务”组装成复合应用(Composite Application)的环节，分工更加明确合理。业务分析人员有机会通过模型来直接产生需要的业务流程实现，减少和技术人员沟通的误解。技术人员能够专注特定的业务模块的实现，特别是对完全定义的接口的实现。模型驱动的开发遵循敏捷化开发的思路，在循环的原型创建和细化中，业务模型、对象模型和数据模型，等各个层次的模型不断完备，直到能够直接生成应用系统。而随后的系统维护也变成了对模型的维护。应用系统的模型和实现之间的双向工程进一步扩展到更高的业务流程层次，对业务系统的修改直接针对模型完成，高效，快捷，减少错误。

总之，模型驱动SOA凭借更高层次的业务功能抽象，达成业务模型和业务系统实现的双向工程，帮助提高开发团队效率.

三、诺耶.捷露模型

1：220的，70左右吧

GHD也出有，20左右

四、因果检验模型

戳中焦点！因果检验历来就是学术界争论的焦点 不论是统计学还是计量经济 不过问题的核心都是一个：相关是否能判断出因果 统计因果推断是有这门学科的 不过目前进展比较慢。。。扯远了 关于你的问题 我只能说 狭义上来说 只有Granger的叫做因果检验 但他也是有局限性的 因为他的核心思想是 如果A总是先于B发生 那么A就包含了引起B的原因 这种情况就叫做A是B的Granger原因 从定义你就能发现问题：A先于B是一个很不理性的因果判断 比如闪电总在雷声前 那么闪电引起了雷声吗？肯定不是啊 因此它的问题是推断不是真的原因 而且这里面有技术上的问题（平稳性和内生性）也会对推断结果产生影响 因此要慎用。。。从广义的角度来说 或者在计量领域 一切等式都可以看作 解释变量是非解释变量的原因 只要这种原因是单向的 那么就可以认为因果存在（双向的因果就是有些问题 可能是相关） 同上面一样也是推断 需要用原理来说明。。。针对你的问题 我觉得首先还是把回归方程弄好 去掉内生性啊 自相关什么的 然后再回归出结果 如果用Granger 那么要保证序列平稳 或者协整 这样才会有意义 最关键的是要在后边列举实事来证明你的因果推断