抽样调查中的校准估计法

本文梳理总结了校准估计法自首次提出以来的研究成果。理论方法的发展集中在最短距离法、工具向量法和模型校准法三种校准方法的研究上;方法应用的发展体现在对简单参数和复杂参数的校准估计上。对小域估计、无回答、二重抽样等特定抽样问题和总体分位数、总体方差估计中校准估计法的具体应用作了重点梳理介绍。对校准估计法的理论和应用研究前景作了展望。     

基于多重抽样框的校准估计方法研究

在现代抽样调查中,校准估计方法能够通过有效利用辅助信息来提高估计量的精度,多重抽样框抽样调查则不仅可以解决单一抽样框覆盖不全的问题,还可以节约抽样设计阶段的成本。本文将这两种现代抽样估计与设计方法进行结合,将校准估计方法引入到基于多重抽样框的抽样调查体系中,在实现节约调查成本的同时,还能够提高估计量的精度。文章首先按照分离抽样框与组合抽样框估计方法的分类思路,对传统多重抽样框估计方法进行系统梳理;然后在最短距离法校准估计的分析框架下,按照调查时所能掌握辅助信息的具体情况,给出了两类多重抽样框估计情形下的各种不同形式的校准估计量;随后数值分析的比较结果也表明在多重抽样框中校准估计量的估计效率明显优于传统估计量;最后对本文研究进行总结的基础上,给出了我国抽样实践中应用这套先进抽样估计方法体系的展望。     

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。     

交互效应动态面板模型的非线性工具变量估计

文章针对交互效应动态面板数据模型的参数估计难题,提出了一种非线性工具变量估计方法.通过Monte Carlo仿真发现:这种非线性工具变量估计法具有较好的有限样本性质,特别是针对非平稳的数据,该方法表现出了非常好的有限样本估计特征.     

含非随机缺失数据的面板数据参数估计方法

抽样调查领域常采用对多个受访者进行跟踪调查得到面板数据,进而对总体特性进行统计推断,在面板数据中常含缺失数据,大多数处理面板缺失数据的软件都是直接删去含缺失值的受访者以得到完全数据集,当数据缺失机制为非随机缺失时会导致总体参数估计结果有偏。本文针对数据缺失机制为非随机缺失情形下,如何对面板数据进行统计分析进行了阐述,主要采用的是基于模型的似然推断法,对目标变量、缺失指示变量和随机效应向量的联合分布建模,在已有选择模型和模式混合模型的基础上,引入随机效应,研究目标变量期望的计算方法,并研究随机效应杂合模型下参数的估计方法,在变量分布相对简单的情形下给出了用极大似然法推断总体参数的估计步骤,最后通过模拟分析比较方法的优劣。     

三参数皮尔曲线的迭代参数估计

三参数皮尔曲线的参数估计无法通过两参数时的OLS法进行,而现有的一些方法不便于计算机自动实现。本文提出的迭代参数估计法可以有效地时三参数皮尔曲线的参数进行估计,而且便于计算机实施。     

Archimedean copula函数非参数估计法的改进

针对Archimedean Copula函数的参数估计问题,文章利用Archimedean Copula函数的对称性提出了一种新的估计Kendall秩相关系数的非参数估计法,并且在理论上证明了新非参数估计法比传统非参数估计法更有效.在此基础上改进了Archimedean Copula函数参数的非参数估计法,并利用随机模拟验证了改进的有效性.     

关于网络计划中三时估计法的运用与商榷

文章给出网络计划中工序持续时间的三时估计法的理论根据,指明了在实际工作中估计三种时间值须遵循的原则.在此基础上所得的方差估计式有别于现行公式.     

阈值协整参数的修正估计法小样本性质的比较

在阈值协整参数估计中,通常所采用的方法是OLS估计,但是由于样本容量的限制,OLS估计量具有偏差且非有效。文章对FM-OLS、CCR和DOLS这三种修正的阈值协整参数估计法进行了模拟研究,全面揭示了各估计量的小样本性质。     

高维参数多项Logistic模型的估计方法

高维参数多项Logistic模型的参数估计,用极大似然法估计很困难.文章给出一种新的估计方法:基于逆回归,给出参数单位向量的估计,从而高维参数得到降维;用极大似然法估计参数向量的模,最后得到参数的估计.且是相合估计.     

一种混合正态分布的新估计法:TU算法

针对EM算法在估计混合正态分布参数时使用不完全信息的总样本所得到的参数估计误差较大的问题,提出一种新的估计方法——TU截断改进算法。该算法根据正态分布的特点,运用部分拥有完全信息的样本将混合正态分布中的分布参数逐一估计出来。这一算法一方面克服了EM算法运用于混合分布的缺陷,另一方面改进了使用截尾数据的参数估计。仿真结果表明,TU算法比EM算法估计更精确。     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

普通最小二乘法的几何分析

普通最小二乘估计法是在目标函数残差平方和的达到最小的条件下求得参数估计量,从向量的角度来说,普通最小二乘法将被解释变量分解成了相互正交的两部分,通过空间向量理论和几何分析方法,可以在欧氏空间内对普通最小二乘估计量进行求解,这种分析过程使普通最小二乘法变得更直观。     

多目标变量调查的小域的稳健估计量研究

大型的抽样调查不仅是多目标的复杂调查,而且在估计总体目标变量的基础上还需要对其中的一些域的目标变量进行估计,所以小域估计和多目标估计问题一直是抽样调查的热点问题.文章主要利用模型校准权数的方法,解决小域中的多目标估计问题,并得到小域的多个目标变量的稳健估计量.     

BMM模型在商业银行操作风险度量中的应用

文章利用极值理论中的BMM模型对商业银行操作风险损失极端值分布进行估计,采用广义极值分布构建VaR模型,组建极值数据组,运用极大似然估计法估计两个参数,进而计算操作风险损失VaR。最后结合我国商业银行1994~2008年的220个操作风险损失数据进行实证研究,结果显示BMM模型具有超越样本的估计能力,在数据较少条件下能得到较准确结果,用其度量商业银行的操作风险损失VaR是合理的,这为我国商业银行操作风险度量和管理提供一定的量化依据。     

基于连续混合正态分布的期货定价偏差研究

挖掘期货理论价格和实际价格之间的关系有助于提高期货市场定价效率、发挥期货价格发现功能。基于持有成本定价模型计算期货定价偏差,利用连续混合正态分布模型对定价偏差的分布进行拟合,先采用基于牛顿迭代的极大似然估计法对未知参数进行估计,再进一步利用模拟退火算法对牛顿迭代的结果进行优化。结果发现,模拟退火算法可以有效提高估计精度,连续混合正态分布模型能够更好地拟合期货定价偏差分布。     

改进的Gompertz模型参数估计方法比较研究

讨论改进的Gompertz模型两种参数估计方法:三和法和非线性最小二乘估计法,并通过蒙特卡洛实验比较两种估计方法的精度和收敛率,得出非线性最小二乘估计法在估计精度和估计的成功率两方面都优于三和法的结论;利用Gompertz曲线拟合中国电影票房数据并对其未来发展作出预测:中国电影票房最终可以在2025年左右到达饱和状态,饱和状态总规模大约为1 676.5亿元。     

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...     

抽样调查中非抽样误差的原因及控制

抽样调查中的误差和非抽样误差共同构成了抽样调查的总误差.二者之间呈现此消彼长的关系,一般情况下同时减少两类误差是很困难的.这就不得不考虑两种误差对抽样调查结果的影响.一般来说,抽样误差可以事先计算并加以控制,而非抽样误差的计量和控制则相对比较困难.在某些场合,非抽样误差对抽样结果的影响有可能超过抽样误差.关于抽样误差的控制问题已经有了深厚的理论基础,但对于估计非抽样误差的影响尚没有一种综合理论.基于这一考虑,本文将从抽样调查的设计、实施和数据汇总等阶段分析非抽样误差产生的原因,并从中寻找控制的途径.     

基于贝叶斯MCMC方法的VaR估计

文章运用极值理论对VaR估计通常是用极大似然估计法,研究了利用BayesMCMC方法来估计极值理论中POT模型的参数,从而求得VaR。文章首先阐述对样本值建立POT模型,给出常用的阈值选取方法;然后使用MCMC方法中的Gibbs抽样对参数进行估计;最后利用上证综合指数对其进行了实证分析,验证了Bayes方法的有效性。