多元Minimax估计与岭估计的渐近风险率

文章在渐进Minimax风险意义下研究多元回归系数的线性Minimax估计相对于多元岭估计的优良性.计算一定条件下多元岭回归估计相对于多元线性Minimax估计的渐近风险率,依此来度量两类估计的相差程度.研究发现多元线性minmax估计优于多元岭估计,当设计阵呈良态时,多元线性minmax估计具有显著的优良性;设计阵病态程度越严重时,多元岭估计变得越来越好,二者相差程度越来越接近.     

中国广义回归抽样估计系统的构建及应用

在抽样理论和应用研究方面,中国一直比较重视抽样方案设计,而忽视抽样估计方法研究。本文在系统总结加拿大等西方国家成功经验的基础上,引入并改进了一套广义回归估计系统,应用在复杂的连续多阶抽样调查中。本文以各类常见的抽样设计为基础,通过模型组和模型水平将现有的超总体模型进行扩展,建立各种类型的回归模型进行模型辅助的广义回归估计,最终形成一套广义回归估计系统,为中国抽样估计的应用研究奠定理论基础。最后,本文以中国农产量的连续多阶抽样调查为例,给出了具体的回归估计程序,从而验证这套系统的实践性和应用价值。     

基于半参数方法的模型辅助抽样估计研究

在总结现有模型辅助估计方法的基础上,本文通过构造一种半参数超总体模型,同时结合广义差分估计思想提出一种新型的模型辅助估计量。该估计量比传统的非参数和半参数回归估计利用更少、更易得到的辅助信息,即只需利用和广义回归估计相同的辅助信息,但一般会比广义回归估计拥有更高的估计精度。理论证明了该估计量是渐近设计无偏和设计一致的,其渐近设计均方误差为广义差分估计量的方差。模拟结果显示：其至少与广义回归估计一样好;对于线性程度越低的超总体模型,其估计精度比广义回归估计有越明显的提高;就本文模拟而言,光滑参数在0.04～0.12间适当取值时其会取到相对较好的估计效果。     

基于回归组合技术的连续性抽样估计方法研究

在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。     

基于局部多项式回归方法的抽样估计

在辅助信息可利用的情况下,文章研究了有限总体总值的估计问题。首先回顾了Horvitz-Thompson估计量和广义回归估计量;然后指出当辅助变量与研究变量不满足经典线性回归模型假设时,可建立非参数回归模型,运用局部多项式回归估计的方法进行估计;最后,引入了一个实际例子,并对估计结果进行了比较。     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性，忽略空间相关性会引发内生性问题，导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性，更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一，适用性较差，实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应，构建了平滑转移空间随机前沿模型，该模型同时考虑了空间相关性和个体异质性，适用性较佳。为丰富估计方法，同时采用极大似然方法和贝叶斯方法估计模型，其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率，贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高，其中贝叶斯估计的估计精度略高于极大似然估计；增加样本容量，贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应，则估计精度较低。     

多主题抽样调查中改进估计方法的研究

多主题抽样调查在实际统计工作中非常普遍,即一项调查同时涉及两个或多个目标变量(指标),对总体的推算也需要同时对这两个或多个指标进行估计.通常同一调查中的多个目标变量之间会具有相关性,利用这一信息可以提高对所关注调查指标的估计精度.本文利用多重多元线性模型的方法研究这一问题,讨论了最佳线性模型无偏估计和一般回归估计,可以看到借助调查指标之间的相关性,较之常用的单个响应变量的多元线性回归模型方法,得到的最佳线性模型无偏估计和一般回归估计都可以有效地提高对总体总量的估计精度,本文的数值模拟和实例分析也验证了这一结论.     

随机右截尾情形下一种生存模型估计的强相合性证明

文章在随机右截尾样本下，研究了这种生存模型的最大似然估计，证明了参数的最大似然估计的强相合性。     

多重检验中利用参数边际模型估计真实零假设的比值

文章给出了一种基于参数边际模型的方法来估计多重检验中真实零假设的比值。这个新的方法是基于有限混合模型对数似然函数,因此可以看作是一个参数版的经验贝叶斯方法。最后通过一个模拟研究和一个实例分析来比较这个新的估计方法和其他的估计方法的差别。     

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛.本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好.     

Box-Cox变换下联合均值与方差模型的极大似然估计

在提出Box-Cox变换下联合均值与方差模型的基础上,研究了该模型参数的估计问题.同时利用截面极大似然估计方法对变换参数λ进行估计,并对均值模型和方差模型的参数进行极大似然估计.通过随机模拟和实例研究,结果表明该模型和方法是有效和可行的.     

空间ZISF的估计及蒙特卡罗模拟

在随机前沿模型中引入空间效应和技术无效率项的非连续性并构建了空间零无效率随机前沿模型,使用极大似然估计和JLMS方法得出参数和技术效率的估计。蒙特卡罗模拟表明:(1)逆似然比检验能以较高的准确率识别真实模型;(2)本方法在参数估计和技术效率的估计两方面均表现较好;(3)若真实模型为空间零无效率随机前沿模型但误用了空间随机前沿模型,参数估计和技术效率的估计两方面均表现较差。空间零无效率随机前沿模型有其存在的必要性。     

二次损失下带约束的增长曲线模型的Minimax估计

文章对于带椭球约束的增长曲线模型,在二次损失函数下给出回归系数在线性估计类中的Minimax估计,证明该估计是压缩有偏、可容许估计.在一些特殊的情形下,该估计包括了增长曲线功效岭回归估计、多元线性Minimax估计等.     

混合系数线性模型参数的t-s-K估计

混合系数线性模型在实际问题中有着广泛的应用背景,如经济分析、可靠性退化分析以及生物学等领域,因此对该模型的研究无论从理论还是从应用角度都是十分重要和必要的。在研究连续测量数据情况下混合系数线性模型的参数估计问题的基础上,利用压缩估计方法给出该模型的一类有偏估计,并研究新估计的一些优良性质,在一定条件下证明此类估计优于s-K估计。     

一类近似因子模型的GMM估计及其统计性质研究

对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法（GMM）,该方法推广了Doz等（2012）的极大似然估计方法;其次,分别研究了模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,利用近似因子模型对我国各类上市公司增长性的共同驱动因素及其差异性进行了实证分析。     

基于对数正态分布联合对数均值与对数方差模型的极大似然估计

文章基于对数正态分布研究提出了联合对数均值与对数方差模型，给出了此模型参数的极大似然估计，模拟和实例研究结果表明该模型和方法是有用和有效的。     

部分线性变系数模型的Backfitting约束估计

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用广泛的半参数模型.文章主要研究该模型线性部分存在约束条件下的估计和检验问题,首先基于backfitting方法给出了常数系数以及变系数部分的约束估计,其次构造了检验统计量用于检验约束条件.     

地理加权随机前沿模型及其估计

为了刻画生产单元之间的空间效应，文章提出了一类地理加权随机前沿模型。基于局部加权最小二乘方法和似然方法给出了模型的估计，并讨论了各生产单元技术效率的估计问题。     

基于Bayesian Gibbs Sampler的状态空间模型估计方法研究及其在中国潜在产出估计上的应用

 本文将贝叶斯吉伯斯样本生成（Bayesian Gibbs Sampling，BGS）方法应用到状态空间模型的估计。首先介绍了BGS方法的基本内容和计算步骤，然后给定参数生成满足状态空间模型的模拟数据，并对模拟数据应用BGS方法估计。结果表明参数与状态向量的估计值与参数值与状态向量的真实值相当接近，明显优于基于Kalman滤波的最大似然估计结果。最后，本文将BGS算法应用于中国1980年至2008年的潜在增长率与增长率缺口的估计。     

超越对数生产函数的半参数变系数估计模型

提出超越对数生产函数的半参数变系数模型，利用Profile方法给出产出弹性函数系数的局部加权最小二乘估计，并利用非参数条件自助法对有限样本的近似分布进行模拟，给出相对精确的广义似然比检验。规模报酬约束下中国1953--2008年的实证结果拒绝超越对数生产函数模型假设，产出弹性不可简单线性化而是对数劳均资本的非线性函数，时变资本弹性表现为倒U型变化趋势，时变劳动力弹性表现为U型变化趋势。