基于半参数混合模型的碳排放影响因素研究

文章在计算碳排放量的基础上,利用2000年-2012年30个省市的面板数据构造半参数混合模型,对影响碳排放的各因素进行了实证分析.结果表明:GDP、人口总量、城市化水平、对外贸易与碳排放之间存在正相关关系.第二产业增加值所占比重与碳排放量之间的关系比较复杂.随着第二产业增加值占比的增加,刚开始碳排放量的波动不大,随后出现明显快速的增长趋势,慢慢增长的边际作用下降.煤炭消费的增加会导致碳排放量的快速增长,到该值超过90％之后出现拐点.最后通过将半参数混合模型与其他模型进行比较,得出在充分考虑变量间非线性关系的条件下,半参数混合模型的拟合效果是最优的.     

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。     

半参数方法在Hedonic方程中的应用

在hedonic价格模型的应用中,传统的参数方法对于变量函数形式、多重共线性及不详尽性问题上有其局限性,而半参数方法则能较好地解决如曲线的复杂曲率等一些参数方法不能很好解决的问题.本文使用传统的参数方法及半参数方法对hedonic价格模型进行预测,并引用"亿房网"中的数据进行实证分析,同时对两种方法进行了比较,得出了可供实际应用的统计模型及应用方法,对研究其它类型的定价问题也具有一定意义.     

基于半参数CARE模型的金融市场VaR度量

以CAViaR模型为基础,结合Expectile模型,构建半参数CARE模型,度量金融市场的在值风险。选取2003年1月3日至2015年12月31日上证综合指数与深圳成份指数为研究对象,分别采用半参数CARE模型与GARCH模型刻画VaR的波动情况,并运用几类常返检验来评估模型的优劣。结果表明:GARCH模型能更好地刻画深证成份指数1%VaR与上证综合指数5%VaR,而半参数CARE模型能更好地刻画深证成份指数5%VaR与上证综合指数1%VaR。     

Multinomial响应广义半参数回归模型及应用

在消费行为学领域经常碰到的离散选择数据就是Multinomial响应数据,此类数据通常采用Multinomial Logit线性回归模型来处理,不过如果回归变量中的一部分与对数机率向量间呈非线性关系,其余回归变量与对数机率向量间呈线性关系,就需要引入以对数机率向量为因变量的广义半参数回归模型来处理这类实际数据了.文章以一次手机用户生活形态调查数据为例,讨论了向量广义半参数回归模型在消费者行为研究中的应用.     

基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

Logistic半参数变系数模型的变量选择

Logistic半参数变系数模型是半参数变系数模型的推广,它可以解决分类型因变量变系数模型的建模问题.文章利用B样条函数逼近非参数部分,引入LASSO、SCAD以及MCP惩罚函数,基于组坐标下降算法,对参数部分和非参数部分进行变量选择.最后进行了Monte Carlo模拟.     

基于半参数模型的中国GDP数据准确性评估

本文以经济增长理论为基础,对1953-2010年中国GDP数据和劳动投入、资本投入、人力资本等因素建立了半参数回归模型。然后,文章对模型了进行了统计诊断分析,计算了相关统计诊断量,利用统计诊断量得到了模型的异常点,基于此对中国GDP数据的准确性进行了讨论：中国GDP数据的异常点主要集中两个时间段1958-1961年和1991-1994年。文章最后对基于半参数回归模型统计诊断的统计数据准确性评估方法进行了评述。     

纵向数据下半参数Logistic模型的变量选择

文章研究了纵向数据半参数Logistic回归模型的估计问题,给出了模型中未知参数和未知函数的估计方法,探讨了参数部分的变量选择问题,并对不同的变量选择方法进行比较分析.从模拟结果可以看到,文中给出的方法具有很好的估计效果.     

非线性半参数空间变系数模型的两步估计

文章对非线性函数与空间变系数模型组合的半参数模型进行研究,提出该类模型的两步估计,给出半参数模型中非线性函数和空间变系数参数估计的精确表达式.并进行了数值模拟,结果表明,估计值与真实值拟合程度较好,方法的精确度较高.     

基于一类半参数空间回归模型的区域重金属浓度数据分析

为了更好的刻画重金属浓度的空间分布情况,文章提出采用一类半参数空间回归模型方法来分析数据,并以某地区的Cd浓度数据为例,说明了该模型的有效性.     

基于GARCH和半参数法的VaR模型及其在中国股市风险分析中的应用

一、引言ＶａＲ是风险估值模型 (ＶａｌｕｅＡｔＲｉｓｋ)的简称 ,是近年来国外兴起的一种金融风险管理工具 ,旨在估计给定金融产品或组合在未来资产价格波动下可能的或潜在的损失。用Ｊｏｒｉｏｎ( 1996)给出的权威定义 ,可将其表述为“给定置信区间的一个持有期内的最坏的预期损失” ,即在一定的持有期和一定的置信度内 ,某金融工具和投资组合所面临的潜在的最大损失金额。目前 ,该方法已经得到国际金融界越来越多的重视和应用 ,部分国家已明文规定银行、上市公司、证券公司等机构必须定期公布自己的ＶａＲ值。ＶａＲ的意义在于 ,它不仅可…     

基于半参数模型的交通与通信消费的恩格尔曲线分析

文章着重关注十五期间成都城镇居民交通与通信消费情况。我们运用成都城镇居民的经济数据构建了半参数恩格尔曲线模型,利用半参数多项式估计方法和半参数加权描点光滑技术考察了成都城镇居民十五期间的交通与通信消费恩格尔曲线,并对居民的交通与通信消费结构变化趋势进行了分析,得出十五期间成都非高收入居民家庭关于交通与通信消费情况是随着其收入的增加而增加;高收入居民家庭关于交通与通信消费情况呈现出不确定性。     

半参数回归模型在商品房价格指数中的应用研究

一、前言商品房价格的高低极大地影响一个国家宏观经济的健康发展及国民的生活质量 ,所以对商品房价格指数的研究是宏观经济管理及决策理论的重要内容。商品房价格指数通常是通过分析一组商品房特性及其销售价格样本数据来获得的。在建立价格指数时 ,有两点需要特别考虑 :( 1 )是否能有效地控制不同商品房间的特性差异 ;( 2 )价格随时间的变化是否有足够高的灵活性。为了能提供精度较高的价格指数 ,所获样本必须能在房屋特性方面提供足够多的信息。在一般的房地产价格指数参数模型中 ,在消除位置、建筑面积、房龄等特性差异后 ,拟合优度R2 …     

基于半参数空间模型的空气污染与经济增长关系再检验

选取2001-2014年中国30个省份数据作为样本,考虑空气污染的空间自相关性,采用空间杜宾滞后模型（SDM）和半参数空间滞后模型实证检验经济发展与空气污染的非线性关系。结果表明：①中国空气污染存在显著的空间正相关性,高空气污染水平集聚地随时间推移呈现出“由西向东”的转移特征。②空气污染与经济增长存在一种震荡曲线形式的关系,并不完全吻合传统的EKC倒U型曲线形状,但震荡关系也符合EKC所描述的环境污染与经济发展的关系将长期存在的特征,说明了经济增长并不能自发解决空气污染问题。③半参数空间滞后模型的拟合优度高于普通参数模型,其刻画的空气污染与经济增长的非线性特征验证了前人对二者震荡关系的猜想,结果更为稳健、准确与有效。     

半参数变系数回归模型的空间相关性检验

对半参数变系数回归模型,构造了新的空间相关性检验统计量,利用三阶矩 逼近方法导出了其检验 值的近似计算公式,蒙特卡罗模拟结果表明该统计量在检测空间相关性方面具有较高的准确性和可靠性。同时考察了误差项服从不同分布时的检验功效,体现出该检验方法的稳健性。进一步,我们还给出了检验统计量的Bootstrap方法以及检验水平的模拟效果。     

半参数Beta回归模型在数据挖掘中的应用

回归分析是数据挖掘中重要的方法之一。文章研究了基于半参数Beta回归模型结合惩罚样条估计的数据挖掘方法。当数据中因变量的数据取值为(0,1)区间(或某个区间)时,利用半参数Beta回归模型进行数据挖掘,不仅具有很好的解释效果,而且能挖掘出隐含在数据内部的有用信息。实验结果验证了研究方法的有效性。     

半参数混合模型下的贝叶斯方法与应用

极端值估计是损失评估的重要研究部分,文章在贝叶斯方法的基础上,用半参数混合模型来拟合损失.在确定模型参数的过程中,运用贝叶斯方法对参数建模,将参数转化成随机变量,并基于马尔卡夫蒙特卡罗(MCMC)抽样得到参数的估计值.该方法的特点是参数数量少,通过抽样把参数转化成随机变量,给出所有参数可能取值的频率分布图.实证结果表明模型结果既考虑了参数的不确定性,又兼顾了损失的厚尾性.     

女大学生就业满意度的半参数分析

女大学生就业是一个关系其个人前途和社会稳定的大事,是社会各界所共同关注的热点问题.本文采用半参数有序Probit模型分析女大学生的就业满意度,并与标准有序Probit模型进行了比较,发现前者明显优于后者.本文同时分析了影响女大学生就业满意度的主要因素,并对如何提高女大学生就业满意度及缓解女大学生就业难提出了一些建议.     

多类型复发事件数据下一类半参数转移模型

复发事件数据频繁的出现在纵向研究中,基于生物医学中的多类型复发事件数据,提出了一类半参数转移模型,该模型包含了一些重要的半参数模型。同时,模型允许协变量具有加性和乘性的影响,且加性影响随时间而变化。利用广义估计方程的思想,对模型中未知参数和非参数函数进行了估计,并且证明了估计的相合性和渐近正态性。