广义矩和广义经验似然估计量的有限样本性质比较

文章在线性单方程结构模型框架内运用蒙特卡洛模拟技术对广义矩(GMM)和广义经验似然(GEL)估计量的有限样本性质进行了比较.研究发现:虽然GMM和GEL一阶渐近等价,但它们的有限样本性质依赖于可获取的工具变量数、内生性强弱和样本容量:在样本容量较小时使用GEL能有效改善GMM估计偏差.     

在不可忽略抽样机制下目标变量的估计问题

抽样调查是通过对有限总体的重复抽样,用样本数据对总体的目标变量进行估计,但是若样本的抽样过程与目标变量有关,则样本分布不能代表总体分布,此时用样本数据来估计总体会产生很大的偏差。针对这种在不可忽略的抽样机制下如何进行目标变量的估计问题展开讨论,详细介绍了三种处理该问题的方法并对这三种方法进行了比较,得出第三种概率密度函数的方法是处理该问题比较好的一种方法。     

协整平滑转移回归中的线性检验 ——基于完全修正最小二乘法的扩展

 在解释变量内生条件下,Choi,Saikkonen(2004)使用动态最小二乘法估计协整平滑转移回归模型,并基于动态最小二乘的估计结果构造 统计量检验协整向量的非线性。本文系统解析了 的构造并指出其不足,针对这一不足,本文将动态最小二乘法扩展为完全修正的最小二乘法,并进而基于完全修正的最小二乘法估计结果构造 统计量检验协整向量的非线性。本文的仿真试验表明,在有限样本下, 与 的检验势没有显著差异,但 的水平扭曲小于 。     

非线性Granger因果检验方法的检验功效及有限样本性质的模拟分析

为了克服传统Granger因果检验方法因忽略经济变量的非线性特征而导致结论出现显著偏差的局限性,非线性Granger因果检验方法在近年来正逐步成为经济学研究领域的重要分析工具。然而,迄今为止,学术界仍较少对非线性Granger因果检验方法在不同非线性模型中的有限样本性质展开系统性的比较与分析,因此,本文通过数据生成过程（DGP）,结合Monte Carlo模拟对Diks和Panchenko（2006）等主流的非线性Granger因果检验方法的检验功效、过度拒绝等问题展开比较研究,并对共同滞后阶数、带宽参数的不同设置可能引发结论敏感性变化进行深入分析,在此基础上我们从动态非线性滚动分析的角度对其有限样本性质展开进一步的讨论,并提出对未来非线性应用研究具有实际指导价值的若干建议。     

空间滞后误差自相关随机前沿模型参数的估计

文章利用工具变量矩阵方法研究了空间滞后误差自相关随机前沿模型参数的估计问题,得到了参数估计的表达式.与极大似然估计相比较,工具变量矩阵法极大地简化了计算.蒙特卡罗模拟的结果表明,参数估计值十分逼近真值.     

非等间隔动态面板数据模型：基于半差分的估计方法和应用

本文提出了非等间隔动态面板数据模型的估计方法,包括非线性最小二乘和最短距离估计法以及这两种估计方法的一步估计量,并且证明了这几个估计量的一致性和渐进正态性。我们使用数值模拟的方法验证了这些估计在有限样本中的估计精度,并且将这四种估计方法应用于实际的问题当中,最终得到了与以往的文献基本一致的估计结果。     

空间滞后分位数回归模型的工具变量估计及参数检验

本文提出一种遵循空间数据分布特征的空间分位数回归模型,并着重探讨该模型的估计方法和参数检验问题。本文构建了上述模型的一个工具变量估计法,通过数理证明建立了估计量的大样本理论,并基于估计量的渐近分布构造了模型的参数检验方法。本文还通过数值模拟方法和应用实例考察估计方法和参数检验方法的实际应用效果,数值模拟结果显示,估计方法和参数检验方法在有限样本条件下均可以达到较高的精确度和稳定性。在应用实例中,本文利用所构建的理论方法重新检验我国“资源诅咒”效应的存在性,实证结果体现了理论方法的应用价值。     

基于贝叶斯PSECM模型的非线性协整能源需求研究

文章通过面板数据平滑转换模型研究影响能源需求的主要因素.针对面板数据平滑转换模型的序列差分容易造成信息缺失的问题,进行误差修正,构建PSECM模型,刻画变量的非线性特征与变量之间的长期稳定的非线性关系.由于非线性最小二乘算法难以收敛,容易造成参数估计不准确,运用贝叶斯方法分析模型结构,估计模型参数;在此基础上,对新兴市场国家进行实证分析,研究结果表明:贝叶斯算法能够准确地估计模型各参数,证明了贝叶斯PSECM模型的有效性,能源需求弹性与经济水平、能源价格、金融发展水平之间存在长期稳定非线性协整关系.     

基于平衡样本的最优模型辅助抽样策略

模型辅助方法的思想是基于抽样设计借助于超总体模型获得对总体参数的有效推断.满足辅助变量的HT估计等于总体总量真值的样本被称为平衡样本.对于平衡样本,如果超总体模型的异方差性可以通过辅助变量解释,由此得出最优抽样策略:平衡抽样设计与HT估计结合是最优策略,包含概率正比于模型残差的标准差.     

关于抽样调查中多层次调查问题的探讨

现在越来越多的调查需要在估计总体目标变量的基础上估计各个层次的目标变量,即多层次调查问题。文章从抽样设计的角度介绍了两种样本追加的方法和利用永久随机数的样本追加方法,这两种方法可以更好地解决多层次调查问题。     

我国正规就业者的教育收益率

针对教育收益率测算中可能存在的弱工具变量问题,本文利用2006年中国健康与营养调查数据,结合工具变量估计框架下的各种模型设定检验,对我国正规就业者的教育收益率进行测算。检验和测算结果表明：受教育程度的变量存在内生性,个体配偶的受教育年限是内生变量受教育程度的强工具变量,而个体的出生季度是弱工具变量。广义矩估计结果显示我国正规就业者的教育收益率为10.1%。     

财务困境预测模型变量选择方法的改进

传统的企业财务困境预测模型变量选择方法存在如下不足数学模型的选择与变量选择相关性极大;变量选择与样本选择相关;变量的数目受到限制,未能充分反映企业财务的全部信息;对非线性响应考虑不够.对于具有非线性响应的财务预测模型来说,变量选择极大地影响到所建模型的好坏.使用正交设计和神经网络可以解决非线性响应问题,得到更合理的模型及结果.     

样本选择模型截距项的半参数估计及应用———户籍工资差异分解研究

样本选择模型是解决样本选择问题的主要工具,广泛应用于工资差异分解、平均处理效应测算等实证研究。截距项的估计是样本选择模型半参数估计中相对独立且重要的一部分,现有的以无穷处识别为代表的半参数估计方法存在窗宽参数难以选取的问题。为此,本文把无穷处识别等价转化为边界处识别,并基于新的识别关系给出样本选择模型截距项的核估计方法。这种新方法的好处在于将样本选择模型截距项的估计纳入核估计框架中,从而可以采用经验法则解决现有方法的窗宽选取难题。数值模拟结果表明,本文所提出的估计方法在不同设定下均有良好的有限样本表现。把这种新的半参数估计方法应用于户籍工资差异分解后发现,我国劳动力市场目前不存在明显的户籍差别待遇。     

动态因子模型的广义矩估计(GMM)及其统计性质研究

对于一类存在截面相关性的动态因子模型,本文首次分别提出了动态因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法是对传统频域分析方法的补充;其次,分别研究了模型参数广义矩估计量的渐近性质和有限样本性质.研究发现,在适当的条件下,动态因子及其因子载荷矩阵的GMM估计不仅是具有渐近正态分布的一致估计,而且具有良好的有限样本性质.最后,本文利用动态因子模型对我国6大类上市公司盈利能力增长性的共同驱动因素及其差异性进行了实证分析.     

动态面板阈模型的一种序贯两步估计

动态面板阈模型可以刻画经济变量动态调整过程的非对称性,在实证分析中有广泛的运用,但阈值参数的引入同时增加了参数估计的困难,理论上尚有许多问题没有解决。针对此类模型,本文提出了一种简单而实用的序贯两步估计方法,首先利用格点搜索获得阈值参数的一致估计,基于该参数对数据结构进行合理划分并引入不同类型的矩条件,然后利用广义矩方法获得自回归参数的估计。理论研究与模拟结果表明,序贯两步估计具有良好的大样本性质和有限样本表现;与现有文献的方法相比,序贯两步估计能够有效避免不同类型参数估计偏差的相互影响,减小估计量的偏差与均方根误差。     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

偏尾Laplace分布下的条件风险价值探讨

条件风险价值(CVaR)是学界目前广泛关注的一致性风险度量方法。文章在偏尾Laplace分布下研究了CVaR的估计问题,给出了CVaR的MLE估计,同时也讨论了CVaR估计的渐进性质和有限样本性质,并给出了CVaR估计的渐进分布和有限样本逼近方法,这对非对称厚尾分布下的金融风险管理具有一定的实用价值。此外,文章对如何评价CVaR估计也有一定的启发意义。     

分层随机抽样条件下不同估计量的比较与选择

文章以分层随机抽样为例,研究了在有辅助变量可以利用的情形下,分别比估计、联合比估计、分别回归估计和联合回归估计的应用,并对其偏倚进行评估.结果表明,与简单估计相比,这类间接估计量都是非线性的较为复杂的估计量,可以改善简单估计的效果,且当目标变量和辅助变量高度相关时,各种估计量均是有效的.     

基于线性回归变量误差模型的工具变量法与校正似然法的比较

文章介绍了线性回归变量误差模型参数估计的两种方法——工具变量法和校正似然法,然后通过数值模拟的方式对这两种方法的估计结果进行比较,说明这两种方法在不同假定下估计的优劣,最后通过实例计算来进行验证,并得到一些有用的结论.     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...