真实固定效应空间随机前沿模型的贝叶斯估计

忽略个体效应和空间效应会严重干扰效率测算,其中忽略个体效应使得技术无效率项发生偏移,忽略空间相关性导致估计量有偏且不一致。本文基于真实固定效应随机前沿模型（引入了个体效应）,引入因变量和双边误差项的空间滞后项,构建了适用性更佳的真实固定效应空间随机前沿模型。对模型进行组内变化以消除额外参数,使用贝叶斯方法（需推导未知参数的后验分布并执行MCMC抽样）估计参数和技术效率。该方法真正克服了额外参数问题,比同类方法直观、简便。数值模拟结果表明,本文方法对参数、个体截距项及技术无效率项的估计精度均较高,且增加样本容量,估计精度变优。     

面板数据分位回归模型中固定与随机效应的选择

随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差.文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩.通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法.通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题.计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择.     

中国银行系统风险影响因素的实证

文章采用中国14家上市银行1999-2015年的日收盘价数据估计出相应的beta系数,使用简单面板OLS模型、固定个体或时间效应模型以及随机个体或时间效应模型,对中国银行系统风险的影响因素进行分析.实证结果显示:银行系统风险与金融杠杆、贷款资产率以及盈利能力有正相关关系,与银行规模和流动性比率有负相关关系.     

高维混合效应模型的双正则化分位回归方法研究

针对高维混合效应模型,本文提出了一种双正则化分位回归方法.通过对随机和固定效应系数同时实施L1正则化惩罚,一方面能够对重要解释变量进行挑选,另一方面能够消除个体随机波动带来的偏差.求解参数估计的交替迭代算法不仅破解了要同时确定两个调整参数的难题,而且算法速度快.模拟结果也表明该方法不仅对误差类型有很强的抗干扰能力,同时在模型有不同稀疏程度时均表现良好,尤其是对于解释变量多于样本的高维情况.为了方便在实际问题中选择最优正则化参数,本文还对两种参数选取标准进行了比较研究.最后利用新方法对一个教育方面的数据进行了实证演示,找出了在各个分位点处对学生成绩有影响的重要因素.     

双效应面板ELES模型的构建与实证研究

本文在拓展ELES模型传统假设的基础上,将ELES模型推广到面板数据模型。构建同时包含时间效应和个体效应的双效应面板ELES模型,提出实证研究中模型形式的识别检验流程,并利用面板ELES模型实证研究了2002-2012年期间我国城镇居民消费结构的变动特征。     

面板数据双因素误差回归模型序列相关和随机效应的联合LM检验

对面板数据双因素误差回归模型构造了检验序列相关和随机效应的一种联合LM检验,发现该LM统计量也是检验联合假设H0：σμ^2=λ=0的Baltagi-Li LM统计量和检验假设H0：σv^2=λ=0的Breusch-Pagan-LM统计量之和。当面板数据的个体数N充分大时,该联合LM统计量的渐近分布是χ^2（3）分布;无论双因素误差面板数据回归模型的剩余误差项是AR（1）过程还是MA（1）过程,联合LM检验是相同的,即对随机效应和一阶序列相关的联合LM检验是独立于序列相关的形式。     

双因素效应的动态二值logit模型的参数估计及应用

文章考虑了带有个体效应和时间效应的双因素面板数据动态二值logit模型，在周期T固定的条件下，提出了一种新的方法估计模型参数。从理论层面指出了该估计量满足一致性和渐近正态性；数值模拟研究了估计量的小样本性质，模拟结果表明，该估计方法在有限样本下具有良好的统计性质。最后，将该方法应用于洗涤剂的购买数据进行实证分析。     

区域和时间因素对湖北省农业生产的影响

可以用Panel Data模型分析地区因素和时间因素对湖北省农业生产的影响。HAUSMAN检验以及F检验结果表明湖北省农业生产函数是固定效应的。个体固定效应模型分析表明地区因素对湖北省农业的产出有着显著的影响,而时刻固定效应模型分析则表明1990-1998年期间的时间因素对湖北省农业生产的积极效应持续增强,1999-2004年期间的时间因素对农业生产的影响比较微弱。     

面板数据模型中随机效应存在性检验的理论研究及其实证分析

 由于能体现异质性等一系列优良性质,面板数据模型正被广泛应用到经济学各个领域中。然而,在反映异质性的个体效应和时间效应的设定上,经常存在人为的主观性和随意性,因此容易导致错误指定事件的发生。本文提出了一个稳健的方法分别检验面板数据模型中随机个体效应和随机时间效应的存在性。具体而言,通过对残差进行正交化变换消去可能存在的时间效应,并建立人工自回归模型,然后基于该模型自回归系数的最小二乘估计构造检验统计量检验个体效应。构造的检验是单边的,零假设下渐近服从标准正态分布。在检验时间效应时,可类似得到统计量及其渐近性质。功效研究表明这些检验敏感性较强,能检测到以参数速度（最快的速度）收敛到零假设的备择假设。通过模拟试验研究了检验统计量的小样本性质,并进行了实际数据分析。     

统计数据准确性评估的误差效应分析方法

基于统计数据生产者角度开发有效而可靠的统计数据准确性评估方法,具有迫切的必要性.参照社会调查领域的计量误差效应评估技术,结合中国政府统计调查数据的结构特征,可以构造针对宏观统计数据的误差效应模型,从个体数据与总量数据两个层次、针对系统偏差与方差两类误差效应来定义统计数据的准确性.通过对该模型中若干重要参数的识别估计,既能实现传统的统计偏差评估,又可揭示因操作因素、制度因素、基层单元属性特征等对于统计数据准确性所造成的影响,从中发现重要的统计误差来源,从而推动统计方法制度进行有针对性地改革与完善.     

基于分层模型的缺失数据插补方法研究

大规模抽样调查多采用复杂抽样设计,得到具有分层嵌套结构的调查数据集,其中不可避免会遇到数据缺失问题,针对分层结构含缺失数据集的插补策略目前鲜有研究。本文将Gibbs算法应用到分层含缺失数据集的多重插补过程中,分别研究了固定效应模型插补法和随机效应模型插补法,进而通过理论推导和数值模拟,在不同组内相关系数、群组规模、数据缺失比例等情形下,从参数估计结果的无偏性和有效性两方面,比较不同方法的插补效果,给出插补模型的选择建议。研究结果表明,采用随机效应模型作为插补模型时,得到的参数估计结果更准确,而固定效应模型作为插补模型操作相对简便,在数据缺失比例较小、组内相关系数较大、群组规模较大等情形下,可以采用固定效应插补模型,否则建议采用随机效应插补模型。     

基于偏正态随机效应模型的信度保费

信度模型是非寿险经验费率厘定的主要方法。传统的Buhlmann-Straub信度模型可以表示为随机截距模型,而随机截距模型假设随机效应服从正态分布。在实际的保险损失数据中,部分个体风险的损失可能远远高于总体平均水平,从而使得不同个体风险之间的风险差异呈现右偏特征。在这种情况下,Buhlmann-Straub模型有可能低估高风险的信度保费。本文在随机截距模型中假设随机效应服从偏正态分布,求得了偏正态随机效应假设下的信度保费。可以证明,Buhlmann-Straub信度保费是其特例。模拟分析和实证研究的结果都表明,偏正态随机效应假设下的信度模型可以更好地预测高风险的信度保费,从而改进传统信度模型的保费估计结果。     

关于纵向数据分析方法的比较研究

文章通过比较加权最小二乘,极大似然估计,广义估计方程,分位回归和复合分位回归五种方法在随机效应模型中对固定效应的估计效果,来说明各种方法在不同情况下的表现性能,重点介绍了各个方法的应用背景并给出固定效应、随机效应以及协方差估计的表达式.文章通过蒙特卡洛模拟来进一步说明这些方法的表现情况.最后通过实际的生物数据来说明各个方法的应用.     

基于APIOBPCS模型的定购决策引起的牛鞭效应

本文阐述供应链中的牛鞭效应问题,提出了一般补充规则的离散控制理论模型.依据此模型,本文推导出牛鞭效应的一个分析表达式,从该分析表达式可以看出通过考虑库存水平、渠道水平的误差的一部分和增加预测的平均时间以及减少生产提前期,可以减少牛鞭效应.     

短面板约束下固定效应空间动态面板模型的估计与模拟

空间动态面板数据(SDPD)模型中被解释变量初值极易带有内生性，采用一般拟极大似然(QML)方法容易造成参数估计偏误，特别是当样本结构为n大T小的时候。鉴于此，本文在一般QML基础上，通过重塑误差项的方差-协方差矩阵，修正拟似然函数表达式，得到修正QML，进而估计短面板下含空间、时间、误差三类关联项的固定效应SDPD模型，基于数值模拟和实例应用检验一般QML与修正QML的估计效果。数值模拟结果表明：修正QML比一般QML更精确、更稳健，均方误差修正率随样本短面板结构的增大而增大。实例应用不仅重新评估环境规制与技术创新之间的空间效应，回归结果也再次证实从数值模拟中得出的结论。     

方差分量的改进估计

对含两个方差分量的一般线性混合模型,对其随机效应方差分量的组合谱分解估计进行改进.在正态假设下,考虑了一个不变估计类,证明了在均方误差意义下,在该估计类中不存在一致最优估计,但在一个重要子估计类中,找到了一致最优估计,并用截断方法得到了优于组合谱分解估计正部的正估计.     

线性混合模型方差分量的谱分解估计

文章把文献[8]关于含有两个方差分量的线性混合效应模型的谱分解估计推广到一般线性混合效应模型,基本思想是通过把所研究的模型转化为含有两个方差分量的线性混合效应模型。首先研究如何构造含有三个方差分量的线性混合模型的谱分解估计,给出谱分解估计的无偏估计类。然后把所得到的结论推广到一般线性混合效应模型中。     

农业补贴政策传导的多维效应测度

文章基于湖北省2000-2014年的粮食产量、农民人均纯收入以及农业生产总值的数据资料,运用GM(1,1)模型测度农业补贴政策传导的多维效应.结果表明,农业补贴政策传导后,湖北省粮食产量、农民人均纯收入以及农业生产总值的实际值与预测值之间的负误差越来越小,并逐步变为正误差且正误差越来越大,从而说明农业补贴政策传导的效应是积极的.     

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。     

基于格点搜索的随机效应的GLS估计

面板数据随机效应模型两步回归法参数估计使用的方差分量来自第一步的回归估计,它没有考虑方差分量的精度。为了弥补这一缺陷,故提出最优方差分量法（Optimal Variance Component）,简称OVC。OVC方法增加了＂格点搜索＂技术,能够提供更多的方差分量组合,因此在一定程度上提高了参数估计的精度。蒙特卡罗模拟的结果虽然支持上述论点,但该方法却存在一定的问题,仍有待进一步完善。