多水平面板数据模型的估计理论及模拟研究

将面板数据模型和多水平模型结合起来,提出了多水平面板数据模型。通过分析该模型的方差协方差结构,采用迭代广义最小二乘法和限制迭代广义最小二乘法,导出模型的参数估计,并通过模拟数据进行了比较分析。结果认为：与多水平模型和面板数据模型相比,该模型能更好地拟合具有层次结构的面板数据。     

AR(1)模型中参数估计的偏差分析

文章分析了AR(1)模型中模型参数(序列方差、模型回归系数、序列的自协方差函数、自相关系数以及误差方差)估计(矩估计和最小二乘估计)的无偏性.对于非独立随机向量二次型的商的估计(如自相关系数估计等),给出了其偏差表达式并提供了相应的数值解法.通过数据模拟分析考察了这些参数估计的偏度情况.     

二值型响应与连续型响应联合建模的变量选择

由于多重响应变量之间可能存在相关性,文章考虑对二值型响应变量和连续型响应变量进行联合建模.利用probit模型,对二值响应引入了具有正态分布的潜变量,从而对多重响应建立线性回归模型,能得到二值变量和连续变量的联合分布.然后考虑回归系数会存在稀疏性,通过对似然函数加惩罚,从而对二重响应的回归系数和协方差矩阵的逆矩阵进行估计,达到参数估计和变量选择的目标.文中目标函数基于l1惩罚.数值模拟和实证分析展示了所提出方法的良好性质.     

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,     

一类半参数可变系数广义线性模型及其拟合

一、引言1972年 ,Nelder和Wedderburn[1 ] 对经典线性回归模型作了进一步的推广 ,并且提供了一个统一的估计理论和计算框架 ,这个推广的模型就称为广义线性模型 ,在统计学中产生了重要的影响。定义 1　设Yi 为一随机变量 ,如果其密度函数 (连续型时为分布密度、离散型时为概率分布列 )f(yi,θi,i)可表为 :f(yi,θi,i) =exp[yiθi -b(θi)a(i) +c(yi,i) ];则称Yi 服从具有参数θi 和i 的指数分布族分布 ,其中a(·)、b(·)、c(· ,·)为已知函数 ,θi 称为自然参数 ,i 称为多余参数 (nuisanceparameter)。在一定的正则条件下 ,…     

一种异方差模型的两阶段估计

在异方差线性回归模型中,当模型误差项的协方差阵未知时,对异方差模型进行估计目前还没有比较好的方法。基于此,提出一种异方差模型的两阶段估计—基于异方差一致协方差阵估计,该方法将异方差一致协方差阵估计HC5m和广义最小二乘估计法结合起来,综合使用全部样本的信息,并对异方差模型进行估计。通过大量的蒙特卡洛数值模拟和实证分析,结果表明该方法具有一定的可行性和有效性。     

熵损失函数下广义线性混合模型协方差矩阵谱的分解估计

文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。     

基于已实现协方差矩阵的高维金融资产投资组合应用

随着金融市场的发展,可配置金融资产种类不断增加,高维资产的投资组合应用引起了广泛的关注,因此高维协方差矩阵的建模及预测更加重要。基于已实现协方差矩阵,创新地将Elastic Net(弹性网)方法与向量自回归模型结合,对高维已实现协方差矩阵进行建模和预测。实证分析中模型取得了理想的预测精度,待估参数的数目显著下降;由于弹性网方法具备充分的变量选择功能和群组效应,得到的模型更加完善,因此资产之间动态相关结构也更加明晰;分析发现行业之间协方差变化比自身方差变化更加复杂,将VAR-LASSO、VAR-EN、DCC-MVGARCH、EWMA四种模型预测的协方差矩阵应用到投资组合中,结果表明VAR-EN优势明显。     

常用统计软件关于岭回归计算原理的比较分析

一、引言 对于多元线性回归模型Y=Xβ+ε,其中Y为因变量的观测向量,维度为n×1,X是自变量的观测矩阵,其维度为n×(p+1),β是p+1维的系数向量,ε是n维随机向量且εi～ N(0,σ28).根据Gauss-Markov定理,参数β的最小二乘估计量β=(X'X)-1X'Y是最优线性无偏估计(BLUE).当自变量之间存在高度的共线性,则最小二乘估计的结果尽管在理论上有较好的性质,但在实际应用中,参数估计值可能会极不稳定,易导致参数估计值缺乏合理含义. 针对多重共线性对模型估计所带来的这些影响,Hoerl (1962)和Hoerl & Kennard(1970)分别提出和发展了一种改进普通最小二乘估计的方法,也就是现在大家所熟知的岭回归(Ridge Regression).     

基于数据拟合的非线性方法及Matlab解决方案

基于数据拟合思想及其方法的比较与选择在数量经济模型参数估计问题的研究过程中具有十分重要的意义.文章给出了Bass模型和品牌生命周期模型的参数估计具体的估计过程,并依据可绝系数和残差平方和分析及实例,证实了非线性最小二乘优于普通最小二乘;在分析Matlab中lsqcurvefit函数数据拟合Gauss-Newton和Levenberg-Marquart算法原理的基础上,给出了品牌生命周期模型的Matlab非线性参数估计解决方案及最优化方法.     

标准分数在考试成绩评价中的应用

一、标准分数的概念及性质 标准分数又称Z分数,是以标准差为单位表示一个分数在团体中所处位置的相对位置量数.它是原始分数X与其所在的团体的平均数X之差除以标准差S所得的商.标准分数用Zi表示(其中i是标志某学生的指标).变量的每个观察值与计算平均数之差的平方的算术平均称为方差,方差的算术平方根便是标准差S,即:     

短面板约束下固定效应空间动态面板模型的估计与模拟

空间动态面板数据(SDPD)模型中被解释变量初值极易带有内生性,采用一般拟极大似然(QML)方法容易造成参数估计偏误,特别是当样本结构为n大T小的时候。鉴于此,本文在一般QML基础上,通过重塑误差项的方差-协方差矩阵,修正拟似然函数表达式,得到修正QML,进而估计短面板下含空间、时间、误差三类关联项的固定效应SDPD模型,基于数值模拟和实例应用检验一般QML与修正QML的估计效果。数值模拟结果表明：修正QML比一般QML更精确、更稳健,均方误差修正率随样本短面板结构的增大而增大。实例应用不仅重新评估环境规制与技术创新之间的空间效应,回归结果也再次证实从数值模拟中得出的结论。     

基于一元线性回归模型异方差对加权最小二乘法的考察

作为普通最小二乘法的改进,加权最小二乘法用于存在异方差问题的线性回归模型的参数估计。文章通过对加权最小二乘估计量、加权最小二乘变换的分析,并结合实际例证研究发现,加权最小二乘法在应用中存在一些不足之处,因而当发现模型存在异方差时使用加权最小二乘法是存在风险的。     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

自相关对MEWMA控制图影响的模拟研究

为了分析样本协方差不同时自相关结构对常规多元控制图监测偏移能力的影响,针对传统样本协方差矩阵S_1和基于相邻向量差数据构建的协方差矩阵S_2的两种不同取值,通过Monte Carlo模拟对比忽略自相关的原始数据和考虑自相关时基于多变量时间序列模型VAR(1)构建的残差数据的两种情况,以平均运行链长比较了不同均值偏移大小及不同自相关结构下多元控制图的性能。对比结果发现:基于VAR(1)模型的残差MEWMA控制图整体表现更佳,可以更快地捕捉到均值的变化,且该控制图在均值偏移大于一个标准偏差时监测效果更明显;当S_2作为总体协方差估计值时,基于残差数据构建的MEWMA控制图受控平均运行链长ARL_0较低,但该方法能更快地检测到均值的偏移。最后通过一个案例验证了结论的准确性。     

基于样本协方差的正弦波频率估计算法

文章讨论了乘性和加性噪声背景中的正弦波的频率估计.通过求解基于不同阶次样本协方差方程的根得到了所给模型的频率估计,并通过基于频率方差最小准则得到最优协方差阶次.同时从理论上证明了频率估计是渐进无偏估计,并给出了频率估计的渐近方差表达式.仿真实验证明了算法的有效性.     

动态面板模型参数估计方法的比较研究

本文借助于蒙特卡洛模拟方法,在综合比较了主流动态面板模型参数估计方法优劣的同时,分析了动态面板模型参数估计有效性检验统计量的检验功效.结论表明:广泛应用的差分和系统GMM的参数估计方法,在小样本情况下,存在明显的参数估计偏差,相应的参数检验功效也存在扭曲,固定效应方差比越大这一偏差越明显,偏差修正和极大似然的动态面板模型参数估计方法参数估计的有效性越高.当动态面板模型的被解释变量为截断变量时,差分和系统GMM的参数估计偏差更为明显,而转换的Tobit模型则能够提供稳健的参数估计.固定效应方差比越大,弱工具变量检验的LM和CLR功效越稳健.本文最后将不同的动态面板模型估计方法,应用于劳动力迁移引致的区域工资差距问题的研究,进一步验证了蒙特卡洛模拟研究结论的稳健性.     

基于藤结构Copula-SV模型的外汇投资组合风险分析

文章针对现有时间序列统计模型对高维金融资产收益率特征描述不充分导致的风险度量不准确问题,构建了藤结构Copula-SV模型,用以对单个外汇资产收益率的波动异方差性和外汇资产间的复杂相关性进行描述.基于四种外汇资产(美元、欧元、日元和港币)的实证结果表明藤结构Copula-SV模型能较好地描述外汇资产的波动异方差性和复杂相关性,且基于拟合模型采用对偶变量法的Monte Carlo模拟计算出来的VaR通过了Kupiec失败率检验.     

经典最小二乘与全最小二乘法及其参数估计

文章对经典的最小二乘和全最小二乘方法的应用背景、原理与算法进行了介绍,给出了它们在线性模型参数估计中的MATLAB实现;通过计算机仿真说明了在模型中所有变量均具有不可忽略的误差时,全最小二乘法得到的参数估计更接近于真实参数.     

固定效应部分线性变系数面板模型的快速有效估计

本文将最小二乘支持向量机(LSSVM) 和二次推断函数法(QIF) 相结合，为个体内具有相关结构的固定效应部分线性变系数面板模型提供了一种新的快速估计方法；在一定的正则条件下，论证了参数估计量的渐近正态性和非参数估计量的收敛速度；采用Monte Carlo模拟考察了估计方法在有限样本下的表现并将估计技术应用于现实数据分析。该方法不仅保证了估计的有效性和统计推断力，而且程序运行速度得到较大幅度提升。