含缺失数据的半参数模型的稳健估计

文章在响应变量随机缺失下,基于分位数回归研究了半参数模型的稳健估计问题。首先基于B样条基函数近似技术,将模型非参数函数的估计问题转化为样条系数向量估计问题;其次,在响应变量随机缺失下,提出了一种新的插补方法,对缺失的响应变量进行多重插补;再次,基于插补后的数据集,构造出新的分位数目标函数,得到模型非参数函数以及参数向量的稳健估计;最后给出了有效算法计算多重插补估计量。通过模拟研究验证了所提方法的有效性和稳健性。     

随机效应半参数logit模型的惩罚似然估计研究

 在颇具争议的收入差距和健康关系研究中,为了降低可能存在的模型设定和遗漏变量偏误,本文提出了随机效应半参数logit模型,其中非参数的设定还可用于数据的初探性分析。随后本文提出了模型非参数和参数部分的估计方法。这里涉及的难点是随机效应的存在导致似然函数中的积分没有解析式,而非参数的存在更加大了估计难度。本文基于惩罚样条非参数估计方法和四阶Laplace近似方法建立了惩罚对数似然函数,其最大化采用了Newton_Raphson近似方法。文章还建立了惩罚样条中重要光滑参数的选取准则。模型在收入差距和健康实例中的估计结果表明数据支持收入差距弱假说,且非参数估计结果表明其具有U型形式,与实例估计结果的比较指出本文提出的估计方法是较准确的。     

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法.     

基于样条估计的非参数修正权证定价研究

文章针对权证市场的特点,提出适用于权证市场的基于样条估计的依模型非参数修正权证定价方法。该方法首次将样条估计应用于生存函数积分形式的估计中,它综合了参数定价模型和非参数定价方法的优点,既包含了实际市场的先验信息,又不乏非参数定价模型的灵活性。实证分析结果表明该定价方法在权证定价和价格预报方面明显好于市场上常用的定价方法,为我国个股期权的正式推出以及期权市场的健康发展提供一定的基础。     

单调条件下部分线性回归模型的估计及渐进性质

探讨了部分线性回归模型当非参数分量受到单调条件限制时的估计问题,利用惩罚局部线性核估计方法给出参数分量与非参数分量αRLS、gRLS的估计,并进一步研究了^αRLS及^gRLS的渐进性质,结果表明:新得到的非参数约束条件下的估计是a.s.收敛的,并且保证了单调性和边界点适应性。将问题推广到一般情况,探讨了部分线性回归模型当非参数分量受到高阶导数约束时,参数分量的估计^αRLS。     

非参数随机条件持续期模型及其迭代算法

 随机条件持续期（SCD）模型能有效刻画超高频时间序列中持续期的变化，但该模型假定期望持续期生成机制固定，且模型参数估计存在一定的困难。文章在不假定条件均值形式和冲击项分布的基础上结合核估计方法提出了非参数SCD模型及其迭代求解方法。然后，基于TEACD(1,1)模型生成的模拟数据，将非参数SCD模型与用卡尔漫滤波进行伪似然估计的参数SCD模型和用Gibbs抽样进行马尔科夫蒙特卡罗估计的参数SCD模型的拟合效果进行比较，实证表明在大样本条件下非参数SCD模型的拟合效果与用MCMC估计的参数SCD模型的拟合结果相差不大，但明显优于用QML估计的参数SCD模型的拟合结果，且非参数SCD模型能为参数SCD模型的参数设定提供参考。     

半参数空间ZISF的估计及反馈分类

本文引入空间效应、非参函数和非连续分布技术无效率项,构建了半参数空间0无效率随机前沿模型(简称为半参数空间ZISF),模型的适用性更广,可有效避免函数形式误设和忽略内生性问题导致的有偏和不一致估计量.对非参函数采用B样条逼近,使用极大似然方法和JLMS法可得到参数(含非参数函数)和技术效率的估计.基于伯努利大数定律提出反馈分类,可将技术无效率项分类.蒙特卡罗模拟表明:①本文方法的估计精度较高.增加样本容量后,估计精度更优.忽略任意一种效应将导致估计精度降低.②分类阈值的跨度较大,主观判断贝叶斯后验概率的大小进而将技术无效率项分类的可靠性较低.反馈分类的准确率较高且必要.     

纵向部分线性变系数EV模型的估计

纵向数据是随着时间变化对个体进行重复观测而得到的一种相关性数据，广泛出现在诸多科学研究领域。在对个体进行观测时，测量误差不可避免，忽略测量误差往往会导致有偏估计。本文利用二次推断函数方法研究关于纵向数据的参数部分和非参数部分协变量均含有测量误差的部分线性变系数测量误差(errors-in-variables, EV)模型的估计问题。利用B样条逼近模型中的未知系数函数，构造关于回归参数和B样条系数的偏差修正的二次推断函数以处理个体内相关性和测量误差，得到回归参数和变系数的偏差修正的二次推断函数估计，然后证明了估计方法和结果的渐近性质。数值模拟和实例数据分析结果显示本文提出的方法具有一定的实用价值。     

适用于大数据集的广义可加模型

通常情况下,对用电量进行预测的问题可以采用广义可加模型(GAM),但当数据集很大时,在计算机上实现起来就非常困难,甚至是不可行的.因此,本文给出了大数据集下实用的广义可加模型拟合方法,模型中的平滑项用惩罚回归样条函数来表示.只需保证在任何时候模型矩阵的子矩阵可以在计算机上实现,该方法就可以通过迭代更新的方式得到模型矩阵的因子.本文研究证明,该方法可以有效地对平滑参数进行估计.当有新数据加入时,用电量预测模型需要不断地拟合更新,并且需要对新的用电量数据序列的自相关性进行处理.本文给出了处理这些问题的方法,以及在计算机上的实现过程.该方法可以实现使用一般的中型计算机来处理大数据集的广义可加模型的估计问题.最后,对法国用电量预测的实证研究表明,降秩样条平滑方法也能够很好地处理复杂的模型问题.     

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.     

单指标纵向数据模型的估计

纵向数据是一类重要的相关性数据,广泛出现在诸多科研领域。单指标模型是多元非参数回归中重要的降维方法,在纵向数据下研究单指标模型是统计研究的热点问题。针对纵向数据单指标模型,提出惩罚改进二次推断函数方法来讨论模型的参数和非参数估计问题。该方法利用多项式样条回归方法逼近模型中的未知联系函数,将联系函数的估计转化为回归样条系数的估计,然后构造关于样条回归系数和单指标系数的惩罚改进二次推断函数,最小化惩罚改进二次推断函数便可得到模型的估计。理论结果显示,估计结果具有相合性和渐近正态性,最后得到了较好的数值模拟结果和实例数据分析结果,结果显示该方法适用于半参数纵向模型的参数和非参数估计问题。     

随机右截尾保险寿命数据的非参数回归估计

文章分别运用bagged最近邻估计与kn-最近邻估计的非参数回归方法对随机右截尾假定下的保险寿命数据进行估计,分析了两种估计的收敛速度,并对两种估计的估计精度通过随机模拟方法进行比较,结果显示bagged最近邻估计优于kn-最近邻估计。     

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。     

固定设计异方差非参数回归模型的预测方法

文章针对固定设计下异方差非参数回归模型,考虑了基于多项式样条的三种预测方法,即非外推法、线性外推法和非线性外推法.模拟结果表明非外推预测法的均方根误差(RMSE)和平均绝对误差(MAE)的均值最大,而线性外推法的RMSE和MAE的均值略小于非线性外推法的RMSE和MAE的均值.实证分析结果显示:非外推预测法的平均绝对百分比误差(MAPE)、RMSE和MAE最大,线性外推法的MAPE、RMSE和MAE最小.这表明整体上外推法优于非外推法,而线性外推法是简单可行的.     

多维随机变量的熵估计及其在独立性检验中的应用

针对多维随机变量Renyi熵和Shannon熵的估计问题,分别研究基于k近邻估计、核密度估计和关联积分估计得到的各估计量的不同性质,进一步提出基于k近邻估计的条件独立性检验方法。模拟结果表明:对于多维随机变量,当维数较大时,基于k近邻方法的熵估计和条件互信息估计更为有效。     

众数回归森林模型及其在收入分配研究中的应用

为解决传统非参数众数回归模型没有考虑解释变量间复杂交互影响的局限，文章将众数回归与机器学习方法相结合，提出了一个新的非参数众数回归模型：众数回归森林模型。该模型一方面充分考虑了各个解释变量之间的交互影响；另一方面采用Bagging技术汇总多个众数回归树的结果，提高了预测性能。数值模拟结果表明：第一，与线性众数回归模型和众数回归树模型相比，众数回归森林模型极大地提高了估计和预测精度；第二，当数据为偏态分布时，众数回归森林模型的估计和预测精度显著优于中位数回归森林和均值回归森林模型。此外，将众数回归森林模型应用于收入分配研究中，得到了与中位数回归森林和均值回归森林模型不同的结果。     

基于随机窗宽的α-混合序列分布函数估计

在总体未知的条件下,非参数方法是分布函数常用的估计方法.独立样本下分布函数的核估计方法已经有了深入的研究,文章对非独立的平稳α-混合序列的分布函数提出了随机窗宽条件下的非参数核估计,讨论了估计的强一致相合性和一致完全收敛性.     

索赔相依的非参数近邻估计信度模型

信度理论在非寿险精算理论与实务中具有重要地位,是精算学中最重要的经验保费估计模型。文章在索赔序列满足强混合(α-混合)相依条件的Q阶平稳马尔科夫链的假定下,运用非参数bagged-最近邻估计方法对信度保费进行分析。从实证结果看,本文提出的估计方法有较好的拟合效果。     

基于非参数核估计的股市风险理论及应用研究

根据中国股市非市场化特点与股权分置改革的影响等问题,在股票市场价格严重失真情况下,运用非参数核估计方法,拟合了股市的理论收益率指标,通过对比股市实际收益率指标显著性偏离关系,提出了中国股市风险理论的独特含义与计量方法。实证显示：非参数核估计能够很好估计股市理论收益率指标,准确地计量中国股市风险动态变化情况。     

中国人口老龄化与居民消费结构的统计检验

文章选取中国内地31个省2001～2012年的年度省级数据,筛选六个控制变量,建立动态面板模型,采用一步系统GMM估计方法,分析了中国人口老龄化如何影响居民消费结构.通过同时进行混合回归和固定效应回归,进行参数一致性检验,表明我们的估计结果是稳健的.