内生性随机前沿模型估计方法研究：无需工具变量的Copula方法

内生性是常见的计量问题,忽略内生性会导致估计量有偏且不一致。现有部分文献研究了内生性随机前沿模型的估计,但实现的前提是能够为内生性自变量寻找到合适的工具变量,而实际情况下合适的工具变量通常不容易获取。本文研究了在难以找到合适的工具变量的情况下内生性随机前沿模型的估计问题：结合Copula方法和极大模拟似然方法估计参数。此外,本文还构造了技术无效率的新的点估计,该点估计额外利用了内生自变量的信息,通常比JLMS法对应的点估计更有效。数值模拟表明,相比于已有研究,本文提出的方法估计精度更高。     

异质性空间随机前沿模型的参数估计及应用

经典的随机前沿模型忽略了决策单元之间的空间关联性,无法准确估计效率影响因素相关参数,限制了其适用范围。本文在空间自回归随机前沿模型的基础上,引入效率影响因素,构建出一个异质性空间随机前沿模型,基于极大似然估计法给出模型参数的单步估计策略,提出决策单元技术效率的最优预测量。理论分析证明,模型参数在一定的假设条件下具备一致性;模拟实验表明,参数估计量和技术效率预测量较之经典模型具有更高的估计精度,且会随着样本量的扩大而逐渐提升。本文使用所提出理论方法讨论了我国城市数字普惠金融发展与技术效率水平之间的相关关系,发现两者之间存在显著的正相关关系,同时也印证了模型设定和估计方法的可靠性。     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳。为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应,则估计精度较低。     

双重滞后随机前沿模型技术效率的估计

首次在随机前沿模型中同时引入因变量间(或双边误差间)和技术效率间的空间相关性并构造了双重滞后随机前沿模型,使用极大似然估计方法和JLMS方法得出参数和技术效率的估计。蒙特卡罗模拟表明:忽略技术效率的空间相关性,参数估计和技术效率的估计均表现欠佳。本研究能以较高的精度估计参数和技术效率。随着样本容量的增加,估计效果更优。     

空间门限随机前沿模型的构建与估计

基于空间计量视角拓展门限随机前沿模型,从技术效率时变和非时变两个层面分别构建空间门限随机前沿模型。模型同时考虑了生产单元的异质性和空间相关性,适用性较佳。分别使用两阶段最小二乘法和极大似然方法估计非时变和时变层面下的参数,使用JLMS法估计效率。蒙特卡罗结果表明:此方法的估计精度较高。随着样本容量的增加,估计精度增加;忽略空间效应或者门限效应,估计精度较低。     

基于Copula函数的空间统计模型估计与应用

在空间数据分析中,由于空间预测在很大程度上依赖于对空间变化的现象分布的假设,因此建立空间数据分布模型是非常重要的问题.Stein(1999)指出,传统的方法利用变差函数描述插值的空间依赖性结构和基于似然方法的模型相比是相当不精确的.对于非正态分布的空间数据而言,Copula函数提供了一种可以分别指定相关结构和边缘分布而建立联合分布的可能性.文章基于Copula函数的非正态分布数据的空间插值方法,讨论模型参数的极大似然估计并运用生态环境数据进行实证研究.     

基于逆γ偏正态分布的Tobit回归模型

Tobit模型是一种应用很广泛的截尾回归模型,并假定其误差项服从正态分布.相对于对称分布,偏态分布能获得更全面准确、及时有效的信息.基于此,文章提出了基于逆尺度因子偏正态分布的Tobit回归模型,并给出了该模型参数的极大似然估计,通过数值模拟与正态假设下的Tobit模型进行比较,结果表明该模型和方法是有用和有效的.     

Median-of-Means方法在偏度系数中的应用

传统偏度系数的定义涉及样本均值和三阶矩,使其对离群值十分敏感。本文在偏度系数的估计中引入Median-of-Means方法,提出偏度系数的新估计量,并证明其相合性和渐近正态性。此外,基于经验似然方法提出一种新的偏度系数检验统计量,证明其渐近性质并进行数值模拟。结果表明,本文提出的估计量具有一定稳健性,检验统计量表现也优于传统方法。最后将所提出的估计与检验方法应用于实际数据分析发现,估计结果比较稳健,进一步表明原有的偏度系数估计方法并不适用。     

随机效应空间滞后单指数面板模型

对随机效应空间滞后单指数面板模型,本文构建了该模型的截面极大似然估计方法,从理论证明和数值模拟两方面分别考察了其估计量的大样本性质和小样本表现。研究结果表明:(1)在大样本条件下,估计量均具有一致性,并且参数估计量具有渐近正态性。(2)在小样本条件下,各估计量依然具有良好的表现,其精度随着样本容量的增加而提高;空间权重矩阵结构的复杂性对空间相关系数的估计量影响较大,但对其他估计量的影响较小。     

缺失偏态数据下联合位置与尺度模型的统计推断

为了研究缺失偏态数据下的联合位置与尺度模型,基于分布自身的特点,提出了一种适合缺失偏态数据下联合建模的插补方法———修正随机回归插补方法,该方法对缺失数据下模型偏度参数的调整十分显著。通过随机模拟和实例研究,并与回归插补和随机回归插补方法进行比较,结果表明,所提出的修正随机回归插补方法是有用和有效的。     

基于Copula函数的随机性期望赔付法

未决赔款准备金评估的随机性方法逐渐得到重视,而考虑赔款数据的相关性可提高准备金评估的精确性。在确定性期望赔付法的基础上,提出一种基于阿基米德Copula函数的随机性期望赔付法;在准备金评估中利用核密度估计实现进展因子的随机化,并在此基础上应用阿基米德Copula函数分析两类赔款数据相关性的问题;利用R软件模拟总损失准备金的分布,研究表明该方法相比传统的期望赔付法具有更强的灵活性,其结果也更符合实际。     

A Stochastic Volatility Model With Conditional Skewness

We develop a discrete-time affine stochastic volatility model with time-varying conditional skewness (SVS). Importantly, we disentangle the dynamics of conditional volatility and conditional skewness in a coherent way. Our approach allows current asset returns to be asymmetric conditional on current factors and past information, which we term contemporaneous asymmetry. Conditional skewness is an explicit combination of the conditional leverage effect and contemporaneous asymmetry. We derive analytical formulas for various return moments that are used for generalized method of moments (GMM) estimation. Applying our approach to S&P500 index daily returns and option data, we show that one- and two-factor SVS models provide a better fit for both the historical and the risk-neutral distribution of returns, compared to existing affine generalized autoregressive conditional heteroscedasticity (GARCH), and stochastic volatility with jumps (SVJ) models. Our results are not due to an overparameterization of the model: the one-factor SVS models have the same number of parameters as their one-factor GARCH competitors and less than the SVJ benchmark.     

动态面板空间随机前沿模型的参数估计及应用

生产效率一般会受到空间相关性和时间滞后效应的影响,不易准确测算。本文考虑时空双重滞后特征,提出一种动态面板数据空间随机前沿模型,针对模型的内生性问题,借鉴已有的估计方法,本文提出一种广义矩估计方法（Generalized Method of Moments,GMM）,并证明了参数估计的一致性。在应用分析中,利用本文所提出的理论模型实证分析了我国战略性新兴产业发展的效率,该理论模型能够客观、科学地测算技术效率,实证结论验证了理论模型的应用效果。     

空间误差自相关随机前沿模型及其估计

将空间计量经济学的思想引入随机前沿分析，构建了基于横截面数据的空间误差自相关随机前沿模型，推导出模型的似然函数以求得参数估计，并给出了各生产单元技术效率的估计。     

MCMC方法下最优Copula的估计及选取

针对目前Copula函数在实际中的应用问题,介绍了一种基于马尔科夫链蒙特卡罗方法（MCMC）的Copula函数估计及选取方法,并将该方法与目前常用方法进行系统比较,最后对上证综合指数和深证成分指数进行了实证分析,结果体现了该法的有效性。     

基于混合Copula模型的水稻保险费率厘定

模拟产量风险和价格风险的联合分布是农业收入保险费率厘定的重点和难点。借助核密度估计方法和混合Copula模型研究了水稻产量和价格风险因子的联合分布并厘定了产量、价格和收入三种保险的纯费率。研究表明:(1)与单一Copula函数相比,混合Copula模型更适合拟合多风险因子的联合分布。(2)早稻价格风险导致的收入损失高于产量风险导致的收入损失,中稻和晚稻产量风险导致的收入损失高于价格风险导致的收入损失。(3)由于产量风险和价格风险的对冲,江苏、安徽、江西、河南、贵州和广西具备了在中稻、晚稻主产区试点收入保险的客观条件。(4)在100%的保障水平下,中国水稻产区早稻收入险纯费率为8.60%～12.84%、中稻收入险纯费率为5.89%～12.07%、晚稻收入险纯费率为4.59%～7.94%。     

基于贝叶斯搜索方法的TAR模型研究

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致.     

Semiparametric Smooth Coefficient Stochastic Frontier Model With Panel Data

ABSTRACT

We investigate the semiparametric smooth coefficient stochastic frontier model for panel data in which the distribution of the composite error term is assumed to be of known form but depends on some environmental variables. We propose multi-step estimators for the smooth coefficient functions as well as the parameters of the distribution of the composite error term and obtain their asymptotic properties. The Monte Carlo study demonstrates that the proposed estimators perform well in finite samples. We also consider an application and perform model specification test, construct confidence intervals, and estimate efficiency scores that depend on some environmental variables. The application uses a panel data on 451 large U.S. firms to explore the effects of computerization on productivity. Results show that two popular parametric models used in the stochastic frontier literature are likely to be misspecified. Compared with the parametric estimates, our semiparametric model shows a positive and larger overall effect of computer capital on the productivity. The efficiency levels, however, were not much different among the models. Supplementary materials for this article are available online.