经济模型结构稳定性的统计诊断

1模型结构稳定性的统计描述为分析问题方便起见,我们设在所研究的模型中,内生变量为y,外生变量为x1熏x2熏…,xk,其N个序列观测值yt熏x1t熏x2t熏…熏xkt熏t=1熏2熏…,N来自两个经济环境不同的时期,其中前N0(N0相似文献   

关于最小二乘法的稳健性分析

一、问题的提出 用ψ(x)拟合m对数据(xk,yk)(k=1,2,…,m),使得误差平方和m∑k=1[yk-ψ(xk)]2最小,这种求ψ(x)的方法,称为最小二乘法.     

用"统计熵"测度定性变量的离散程度

一、定性变量离散测度的理论比较在现有的定性数据分析方法中,描述定性变量离散程度的测度有:离异比率、Gini-Simpson指数和熵。设x表示定性变量,其取值表示为x1,x2,…,xk,这些取值是非数值的,即使是用数值表示也不具有任何数值含义,每一取值相应出现的频数为n1,n2,…,nk,n1 n2     

非均衡经济计量模型及其估计

非均衡经济计量模型是在经济计量理论和非均衡市场大量统计观察的相互作用下发展起来的。它的开创者是美国经济计量学家费阿和杰斐。 一、基本模型 假设需求方程和供给方程如下。需求方程 Dt== a0X_t~D μ_t~D (t=1,2,…,T)(1)供给方程 St=β_0X_t~sX_t~s μ_t~s (t=1,2,…,T)(2)这里,Dt表示时期t的需求量,St表示时期t的供给量,X_t~D、X_t~s是各种外生变量的向量,a0,β0是待估参数,μ_t~D,μ_t~s是随机误差项,并假设μ_t~D,μ_t~s的均值为0方差为常数,无序列相关、     

基于模糊语言评估和加权集值统计的多属性群决策方法

一、模糊语言评估标度对于多属性群决策问题,设X=#x1,x2…,xp)为方案集,属性空间为F,E=#e1,e2,…,en)为决策者集,E=(w1,w2,…,wn)T为决策者的权重向量(其中nk=1!wk,wk≥0),I=#I1,I2,Im)为属性集,W'=(w'1,w2',…,w'n)T为属性的权重向量(其中nk=1!wi',wi'≥0)。设语言评估标度为S     

对沈阳市"十五"经济走势的整合预测与量化分析

沈阳市“十五”经济适度增长的量化分析和整合预测我们以1990年-1999年的国内生产总值（按1990年可比价格计算）为观测值（表1）,分别建立沈阳市国内生产总值GM（1.1）预测模型和线性回归预测模型(一)灰色预测模型对于表1 提供的原始数据X(0)(i); i=1、2......10,由累加公式:X (1)(i)= X (0)(K)生成新序列X (1)(i):并由之构造累加矩阵B(9×2阶)及常数项Yn(n=9): 按最小二乘原理解方程组其中　　　则有经计算得最后得即a=-0.1105,u=223.13据此,按灰色预测步骤,应有将a、u的值代入（5）得求导还原得据（6）算得下表：拟合结果,产生较大…     

股票市场价格时间序列的动力学分析

一、股票市场是一个复杂的非线性动力学系统　　以有效市场假说 (efficientmarkethypothesis,EMH)为基础的传统资本市场理论用随机游动模型描述股票价格随时间变化的规律。即 ,它认为股票价格的变化遵循维纳过程。如以S表示股票的价格 ,μ为股票价格的预期收益率 ,σ为股票的价格波动率 ,则股票价格随时间的变化规律可表述为如下的伊藤过程 :dSS =μdt+σdz =μdt+σε dt ( 1)ε是一个标准的正态分布。上述过程的一个重要特点就是 ,股票价格除按市场预期收益率表现为正常的线性增长以外 ,其变化服从独立同分布 (IID)的高斯分布 ,变化的…     

灰色预测在股票价格预测中的应用

一、灰色模型简介灰色模型(Grey Model)是灰色系统理论的核心和基础,简称GM模型。(一)预测模型:步骤一:获取原始数据序列:x(0)=(x(0)(1),x(0)(2),x(0)(3),…,x(0)(n))步骤二:对原始数据序列作一次累加(1-AGO)生成新的数据序列:x(1)=(x(0)(1),x(0)(1) x(0)(2),…,x(0)(1) x(0)(2     

通过对辅助变量的线性转化来改进比率估计

一、问题的提出在抽样调查中,比率估计方法是一种普遍应用的估计方法。在实践中,我们往往根据总体及辅助信息的特点建立不同的比率模型,然后再从该模型中得出不同的比率估计量。下面我们考虑一种最常用的比率模型ξ:假设x1,…,xN是已知的辅助变量值(都大于零),y1,…yN为未知的研究变量值,且总体单元总数为N。对于任意给定的xk,有以下关系yk=βxk εk同时对于所有的k∈K,满足Eξ(yk)=βxkVξ(yk)=σ2xk其中β和σ2为未知参数。在抽样总体满足该比率模型的前提下,进行简单随机抽样,可以得到一个非常经典的关于总体总值ty的比率估计量t^yra=…     

发展系数与预测模型初始值确定的新方法

文章针对用x~(1)(k)、x~(1)(k-1)加权组合来优化背景值的情形,提出发展系数初始值不必通过基本灰色模型x~(0)(k) a[1/2x~(1)(k) 1/2x~(1)(k-1)]=b求解,而是直接令发展系数初始值a_0=ln(1/(n-1)(■ (x~(0)(k-1))/(x~(0)(k))的新方法;然后分析了原始模型响应式中以x~(0)(n)=x~(0)(n)为初始值存在的缺陷,提出了先推导出还原式,再以x~(0)(n)=x~(0)(n)为初始条件确定离散响应式系数的新方法。     

关于期望寿命的估计

一、引言期望寿命又叫平均剩余寿命。设寿命 (或生存时间 )为Ｘ ,则在Ｘ >ｔ的条件下Ｘ -ｔ的期望ｅ =Ｅ(Ｘ -ｔ|Ｘ >ｔ)是期望寿命。设Ｘ的分布函数Ｆ(ｘ)是未知的 ,如何估计ｅｔ,这是保险精算、可靠性工程及生存分析等实际工作中很关心的问题。随机考察ｎ个个体 ,这些个体的寿命分别是ｘ1 ,ｘ2 ,… ,ｘｎ,他们被看作随机变量 ,相互独立 ,有相同的分布函数Ｆ(ｘ)。我们分别在一列时刻ａ0 =0 <ａ1<ａ2 <… <ａｍ 观测其寿命。令ａｍ + 1 =∞ ,Ｉｋ=(ａｋ,ａｋ + 1 ](ｋ =0 ,1,2 ,… ,ｍ)。考虑等距分组 ,即每个区间的长度都为ｈ ,ｈ =ａｋ +…     

求解灰色Verhulst模型参数的新方法

将传统"通过代入初始条件x(1)(k1)=x(1)(k1)=x(0)(k1)整理解得α和β"的方法改进为"通过灰色微分方程αea(ki-k1)+β=1/x(1)(ki),再次利用最小二乘法确定α和β"的新方法,对灰色Verhulst模型的参数求解方法进行改进。研究结果表明:新方法的灰色Verhulst模型建模不仅模拟效果较好,而且适用于等间距和非等间距,并通过等间距与非等间距的实例,与传统模型及近期一些优化模型对比分析,说明了新方法的可行性和优越性。     

时间序列的多项式模型及其应用

对时间序列作预测一般采用移动平均法 ,指数平滑法。本文利用拉格朗日插值公式及最小二乘法给出时间序列的多项式模型。一、拉格朗日插值公式及多项式模型传统的拉格朗日插值公式指的是 :如果 ｙｉ=ｆ(ｘｉ) ,ｉ=0 ,1,2 ,… ,ｎ ,则存在唯一的ｎ次多项式Ｐｎ(ｘ )满足Ｐｎ(ｘｉ) =ｙｉ　 (ｉ=0 ,1,2 ,… ,ｎ) ,并且 :Ｐｎ (ｘｉ ) =Σｎｉ=0 ｙｉｌｉ(ｘ) ,其中ｌｉ(ｘ)= (ｘ -ｘ0 )… (ｘ -ｘｉ-1 ) (ｘ -ｘｉ 1 )… (ｘ -ｘｎ)(ｘｉ-ｘ0 )… (ｘｉ-ｘｉ-1 ) (ｘｉ-ｘｉ 1 )… (ｘｉ-ｘｎ)因此 ,对于时间序列 {ｘｉ,Ｔｉ},ｉ =1,2 ,… ,…     

缺失数据下带有讨厌参数的经验似然比置信区域

文章将文献[1]中定理的条件θ0=EH(X,μ)推广到一般估计方程EH(X,θ0,μ)=0(其中μ为讨厌参数)且样本{Xili≥1}为缺失数据下的情况,利用经验似然比方法构造感兴趣参θ0的置信区域.     

戈帕兹曲线在预测经济发展速度中的应用

一、理论说明 戈帕兹曲线的一般形式是: y1=kab1 (1) 式中,yt为对某一事物的预测值,t=1,2,…,n为时间变量(序号),k、a、b为待定参数,且k＞0,a＞0,b＞0.     

世界烟草产业成长过程的逻辑函数分析

一、逻辑函数参数辨识的规则、方法与模型　　 1 关于逻辑函数逻辑函数的表达式为 :Q(T) =A1+B·e-C·T (1)　　其中 ,Q(T)是产业在时间T的产出 ;A ,B ,C为逻辑参数 ,A是产出序列Q(T)的逻辑上界 ,B是初始参数 ,C是增长率参数 ,T是从序列起点为 0时点算起的时间。2 辨识序列与辨识模型首先 ,我们已经有一个产业产出的时间序列 {Q(T) } ,起点所对应的时间点T =0 ,序列终点所对应的时间点T =TZ。我们分别用公式 (2 ) ,(3) ,(4 )和 (5 )来定义{Q(T) }的辨识序列 {q(T) }和辨识参数a ,b ,θ。q(T) =a1+b·e-θ·T (2 )　　其中 :a =…     

统计预测中的折扣最小平方法

一、折扣最小平方法的定义设0<α<1;时间数列y_1,i=1、2、……n,所对应的值为y_1。规定对时间数列过去最近期的误差平方(Yn-Yn)~2的权数为α°,最远期的误差平方(y_1-y_1)~2的权数为α~(n-i),第i期的误差平方的权数为α~(n-1),并使这n个加权误差平方和的值为最小,即:sum from f=1 to nα~(n-i)(y_1-(?)_1)~2=最小值 (1)     

一类非平稳两值panel data模型的估计问题

在非线性panel data模型中,对于两值的panel data模型的研究越来越广泛.文章主要研究截面N和时间序列T大的两值panel data模型:yit=I(βXit-εit＞0)(i=1,2,…,N;t=1,2,…,T),其中Xit对于固定的i关于时间t是非平稳过程.在真参数β是0的条件下,文章给出了参数β的最大似然估计(MLE),并且给出了参数β的MLE的渐近分布.     

对误差序列相关模型参数估计方法的探讨

一、引言经典线性回归分析的一个基本假定是模型的随机误差项之间互不相关,然而,对经济数据进行计量分析时,经常发生的问题是模型中误差项之间存在着序列相关。在误差项序列相关模型中最简单的一种是以下的自相关表示形式:Yt=α βXt μt(t=1,2,…,n)ut=ρut-1 εt|ρ|<1(1)其中εt满足经典假设条件E(εt)=0E(ε2t)=σ2εE(εtεs)=0(t≠s;t,s=1,2,…,n)(2)如果对式(1)直接使用最小二乘法(OLS法)进行参数估计,虽然OLS估计具有无偏性和一致性,但不具有有效性,不再是系数的最优估计。对此,通常采用的解决办法有两种①:第一种是广义最小二…     

习题解答(第7章)

一、已知N=2,000,n=100,x＝455,S=50(S~2=2,500)(1)计算抽样平均亩产量的抽样误差:在不重复抽样的条件下,