浅谈随机模拟

现代统计理论的许多结论,都与随机模拟方法分不开. 当经典回归模型满足所有的假定条件时,参数的估计量才具有最佳线性无偏特性,即有限样本特性,同时也具有渐近特性.当假定条件不成立时(比如存在异方差、自相关等),所采用的广义最小二乘法,以及对联立方程模型的估计,动态分布滞后模型的估计,向量自回归模型的估计所得参数的估计量只具有渐近特性.也就是说,只有当样本容量相当大时,渐近特性才起作用.而当样本容量不是很大,而是很小时,仍然不知道估计量的有限样本分布特征,则需要通过模拟来了解其特征.     

正交多项式在回归分析中的应用

一、问题的提出: 无论是在质量管理,还是在经济预测决策中,我们总希望建立起决策变量与影响其变化的参数因素之间的函数关系。从微积分学的知识知道,任一函数都可分段用多项式来逼近,因此,在一般的实际问题中,不论决策变量与影响其变化的参数因素变量的关系如何,总可用多项式回归来处理。 一般地,多项式回归可以化为多元线性回归问题。然而,多元线性回归有两个基本缺点:其一,当元     

不等概率分层抽样条件下Probit模型的参数估计

线性回归分析作为一种传统的统计分析方法,现已得到广泛的应用和完善.但受其对应变量连续性要求的影响,当应变量为分类变量(常见的是二分类变量,即y取0,1两个值)时,线性回归模型不再适用.人们通常采用Probit模型或Lotist模型对二分类因变量进行回归分析,与线性回归不同,Probit回归是一种非线性回归模型,因而在参数估计时,通常采用极大似然估计,并且在随机样本条件下,Probit模型的极大似然估计具有一致性,渐进有效性和渐进正态性.     

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。     

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.     

响应变量缺失下半参数变系数EV模型的约束统计推断

文章研究了半参数变系数EV模型在线性约束条件下的估计和检验问题,当响应变量缺失、非参数部分协变量带有测量误差时,利用局部纠偏的Profile最小二乘估计、Lagrange乘子方法和借补技术构造了回归模型参数分量两类纠偏约束估计量。此外,为了检验线性约束条件,构造了借补的Profile Lagrange乘子检验统计量,并通过蒙特卡洛数值模拟验证估计量和检验统计量的有效性。     

异方差性F的参数估计

在经典经济计量理论中,异方差现象的存在破坏了普通最小二乘法(OLS)参数估计中关于随机序列独立同分布的基本假定,从而使得用OLS法估计得到的模型Y=Xβ失去优良性,如(?)不再是参数β的最小方差线性无偏估计(BLUE),继而参数的显著性检验失去意义,预测误差加大等等,致使模型失效。在实际建模中,一般是这样处理这一问题的:(1)用图示法或等级相关系数、Goldfeld-Quandt、Bartlett等方法检查异方差现象是否存在于待建模型中。(2)对探明有异方差现象的模型,通过加权最小二乘法(WLS)、Glejser法和正确引入解释变量等方法将异方差模型转化为同方差模型后再进行参数估计。经典计量经济理论认为扰动项方差σ_t~2是解释变量X_t的函数,即σ_t~2=f(X_t)σ~2,之所以出现异方差现象,是因为对于不同的X_t∈R~p,f(X_t)发生了变化。如果已知函数f的具体形式,     

联合均值和散度逆高斯回归模型的参数估计

逆高斯回归模型可用于分析正偏态数据,人们通常研究解释变量对其均值参数的影响,但往往忽略了对其散度参数的影响,文章则基于解释变量对均值和散度都有影响的前提,针对联合均值和散度逆高斯回归模型,探讨模型参数的极大似然估计问题。MM算法在优化问题上具有分离参数、降低目标函数的维度、简化求解过程等优点,将MM算法应用于联合均值和散度逆高斯回归模型,能将多元似然函数彻底分解为一系列一元函数之和,从而绕开了参数估计中的矩阵求逆问题。模拟研究表明,当数据量达到100时就能得到很好的估计效果;实证分析表明,理论研究在实际应用中具有可行性。     

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。     

广义线性模型下ERIC方法的调节参数选择

变量选择是处理高维统计模型的基本方法,在回归模型的变量选择中SCAD惩罚函数不仅可以很好地选择出正确模型,同时还可以对参数进行估计,而且还具有oracle性质,但这些良好的性质是基于选择出一个合适的调节参数。目前国内关于调节参数选择方面大多是对于变量选择问题的研究,针对广义线性模型基于SCAD惩罚使用新方法 ERIC准则进行调节参数的选择,并证明在一定条件下经过该准则选择的模型具有一致性。模拟与实证分析结果表明,ERIC方法在选择调节参数方面优于传统的CV准则、AIC准则和BIC准则。     

局部平稳部分线性面板数据模型的统计推断

部分线性模型是一类非常重要的半参数回归模型,由于它既含有参数部分又含有非参数部分,与常规的线性模型相比具有更强的适应性和解释能力。文章研究带有局部平稳协变量的固定效应部分线性面板数据模型的统计推断。首先提出一个两阶段估计方法得到模型中未知参数和非参数函数的估计,并证明估计量的渐近性质,然后运用不变原理构造出非参数函数的一致置信带,最后通过数值模拟研究和实例分析验证了该方法的有效性。     

基于线性回归变量误差模型的工具变量法与校正似然法的比较

文章介绍了线性回归变量误差模型参数估计的两种方法——工具变量法和校正似然法,然后通过数值模拟的方式对这两种方法的估计结果进行比较,说明这两种方法在不同假定下估计的优劣,最后通过实例计算来进行验证,并得到一些有用的结论.     

基于模糊线性回归的电子商务交易额预测

由于外界环境的影响以及复杂系统本身的模糊性,经典线性回归不能解释这类不精确数据的问题.因此,文章建立因变量是对称模糊数的线性回归模型.根据中国电子商务交易额和互联网发展数据,考虑因变量在不同时期的差异隶属,计算出回归函数的估计表达式.通过与经典线性回归的结果进行比较分析,表明模型在描述数据间内在结构,以及提高预测的精度上有显著效果.     

回归分析中异常值的一种修正方法

普通最小二乘法是估计回归方程式的参数的一种常用的方法，它是根据在一组假定前提条件厂，要求实际观测值（Y）到回归方程的估计值（Y）的离差平方和达到最小值，即最小值。但是在实际工作中，利用最小二乘法研究经济变量之；司的关系时，当调查取得的资料中出现异常值时，如果不采用恰当的方法加以修正，估计出来的结果就可能出现很大的扭曲。有些人采用舍掉异常值的办法，这样做也可能使回归方程和观测值拟合得好一些，但由于舍掉了异常值，使资料的个数明显减少．因而在进行有关统计检验时，会因自由度变化而使参数的估计和检验受到影…     

面板数据的自适应Lasso分位回归方法研究

如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。     

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SVAR模型的中国核心通货膨胀的估计与应用

 核心通货膨胀是观测到的通货膨胀中长期的、持续的成分。核心通货膨胀对经济形势的判断与宏观经济政策的制定有着重要的意义。本文中我们扩展了Quah和Vahey的两变量结构向量自回归（SVAR）模型，建立了包括消费价格指数、食品价格指数与产出的三变量SVAR模型，并且通过对变量施加基于经济理论的长期约束估计了1986年至2007年中国的核心通货膨胀。结果显示，我们估计的核心通货膨胀能够很好地反映通货膨胀的趋势性变化。最后得出结论：2007年中国的核心通货膨胀率略低于3%的警戒线水平，但是有快速上涨的趋势。     

回归分析中异常值的一种修正方法

普通最小二乘法是估计回归方程式的参数的一种常用的方法，它是根据在一组假定前提条件下，要求实际观测值（Y）到回归方程的估计值（Y）的离差平方和达到最小值．即上（Y—Y）’一最小值。但是在实际工作中，利用最小二乘法研究经济变量之间的关系时，当调查取得的资料中出现异常值时，如果不采用合适的方法加以修正，估计出来的结果就可能出现很大的扭曲。有些人采用舍掉异常值的办法，这样作也可能使回归方程和观测值拟合得好一些，但由于合掉了异常值，使资料的个数明显减少了，因而在进行有关统计检验时，会因自由度变化而使参数的估…     

一元线性回归分析中三种检验的等价性研究

在研究两个变量是否线性相关时,要对线性相关系数进行统计检验;在建立线性回归模型时,既要对回归模型中的参数进行统计检验,又要对模型本身进行统计检验。然而,在一元线性回归分析中,尽管对变量线性相关性的检验、模型参数和模型本身检验的目的各不相同,所选统计量也不同,但是,三种检验却具有检验效果的等价性。文章将对此进行研究、证明。     

基于对数变换的小域的稳健估计量

小域估计是抽样调查的热点问题之一,其主流发展方向是基于模型的小域估计方法。但是这种方法依赖于模型的假定,若假定的模型错误,则估计效果很差。因此,利用对数变换和抽样设计权数得到小域的目标变量的稳健估计量,并通过模拟案例说明基于对数变换的方法是一种稳健有效的小域估计方法。