结构方程模型中估计收敛问题的Monte Carlo仿真

在结构方程模型的估计中,估计过程不收敛和不恰当的估计结果是两种不能正确完成估计的情况;特别是分析有序分类数据时,这两种现象发生的机会更高。Monte Carlo仿真研究被用来调查样本量、分类数、模型复杂度、数据的偏态分布以及不同参数估计方法对模型正确收敛率的影响。文章研究发现,小样本、复杂度高的模型,高偏态的数据分布和较少的分类数都有可能造成不收敛和不恰当的估计结果;另外,使用DWLS估计法时,模型正确收敛的可能性最大。     

结构方程模型下的信度估计

文章给出了结构方程模型下信度估计公式的理论推导,并通过一个实例说明了估计公式的应用。结果表明,结构方程模型下的信度估计方法不但可以估计整体的信度而且可以估计单个项目的信度;同时,把结构方程模型下的信度估计和常用的信度估计公式α系数进行了比较,得出用结构方程模型估计出的信度优于α系数的结论。     

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。     

稳健高维协方差矩阵估计及其投资组合应用——基于中心正则化算法

高维协方差矩阵的估计问题现已成为大数据统计分析中的基本问题,传统方法要求数据满足正态分布假定且未考虑异常值影响,当前已无法满足应用需要,更加稳健的估计方法亟待被提出。针对高维协方差矩阵,一种稳健的基于子样本分组的均值-中位数估计方法被提出且简单易行,然而此方法估计的矩阵并不具备正定稀疏特性。基于此问题,本文引进一种中心正则化算法,弥补了原始方法的缺陷,通过在求解过程中对估计矩阵的非对角元素施加L1范数惩罚,使估计的矩阵具备正定稀疏的特性,显著提高了其应用价值。在数值模拟中,本文所提出的中心正则稳健估计有着更高的估计精度,同时更加贴近真实设定矩阵的稀疏结构。在后续的投资组合实证分析中,与传统样本协方差矩阵估计方法、均值-中位数估计方法和RA-LASSO方法相比,基于中心正则稳健估计构造的最小方差投资组合收益率有着更低的波动表现。     

基于结构方程模型的合成信度及其使用问题研究

信度是问卷、量表、测验质量保障的核心要素,基于因素分析理论的合成信度估计方法近年来被讨论,并被统计学者推荐使用。合成信度比常用的信度计算方法α系数更为准确,且可用于多维测验和题目残差间存在相关的测验。通过文献分析及实例演示,分析了合成信度的特点和优点;同时,重点讨论了通过结构方程模型软件计算合成信度应注意的数据类型、数据分布、样本量以及模型收敛和拟合程度等问题,并比较了常用结构方程模型软件对合成信度计算的支持情况。     

经济增长是否存在“贫困陷阱”

本文从OLG随机增长模型出发,使用中国城市数据估计参数化的产出运动方程,对人均实际产出分布的动态过程进行模拟预测。研究发现,尽管产出运动方程并非严格凹,但稳态均衡唯一,经济增长未出现"贫困陷阱"。长期来看,地区经济最终趋于单峰收敛,采用离差指数衡量经济发展平衡程度的结果显示,经济发展不平衡程度将有所下降。外生扰动(如技术进步、政策扶持)的持续性越强,经济增长收敛越快。     

纵向可加部分线性测量误差模型的渐近估计

基于纵向数据,研究参数部分协变量含有测量误差的可加部分线性测量误差模型的估计问题,提出了用于模型估计的偏差修正的二次推断函数方法,得到参数部分的估计结果具有相合性、渐近正态性,非参数可加函数的估计结果达到最优收敛速度。数值模拟和实例数据分析结果显示,该模型估计方法在同等条件下要优于广义估计方程方法。理论和数值结果显示,偏差修正的二次推断函数可以有效地处理测量误差和个体内相关性,是一个有效的纵向数据和测量误差数据分析工具,具有一定的理论和应用价值。     

结构方程模型应用:错误设定与估计程序

结构方程模型虽已被广泛应用于社会科学实证研究,但其方法本身仍处于发展过程中。因PLSSEM估计程序被认为具有较好的"普适性"而逐渐流行于市场研究中,在关注结构方程模型应用的几个重要问题的基础上,比较了CB-SEM与PLS-SEM两类估计程序的主要差别;以Wheaton等人研究使用的模型为正确模型,设计了三种模型设定,又在随机模拟的基础上,讨论了在两类估计程序下拟合指标和估计系数对模型结构变化的不同反应,并给出一定的相关建议。     

SCAD惩罚逻辑回归的财务预警模型

作为一种有监督学习算法,逻辑回归(Logistic Regression,LR)已广泛应用于财务危机建模分析,但其潜在地存在过拟合问题。鉴此,提出一种基于平滑削边绝对偏离(Smoothly Clipped Absolute Deviation,SCAD)惩罚逻辑回归的财务预警模型。该模型不仅能很好地解决模型过拟合问题,而且还可以同时实现变量选择和模型系数估计,并提高了模型的解释性。结合沪深股市A股制造业上市公司的财务数据进行实证研究,同时对比一般的L1正则化和L2正则化逻辑回归模型的预警效果进行实证分析,实验结果表明:SCAD惩罚逻辑回归模型具有较好的分类效果和较强的经济解释能力。     

非线性GARCH族的模型平均估计方法

本文考虑了非线性GARCH族的模型平均估计方法。在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则。在一定正则条件下,本文证明上述模型平均估计量具有渐近最优性,即渐近实现真实最优的KL偏离度。蒙特卡洛模拟结果表明,在大部分情形下,本文提出的模型平均估计量取得了更小的相对KL偏离值。作为非线性GARCH族的模型平均估计方法的应用,本文对2016年6月1日至2017年6月1日上证指数的日波动率进行估计,与现有模型选择与模型平均方法相比较,本文模型平均估计方法具有更高的精度。     

CGE模型中CES生产函数的贝叶斯估计

文章讨论了如何把贝叶斯统计方法应用到单个方程非线性计量经济学模型中。首先对贝叶斯统计方法进行了分析；然后以CES生产函数模型为例分析了单个方程非线性模型的贝叶斯估计问题；最后分析了常替代弹性（CES）产函数模型在不同的先验分布下的贝叶斯估计。     

变系数模型的快速变量选择方法

文章结合基函数逼近以及光滑门限估计方程,提出了一个变系数模型的快速变量选择方法。该变量选择方法可以同时进行系数估计和变量选择,并且不需要解任何凸优化问题。因此,与已有方法相比,该方法在实际应用中将大大减少计算量。     

线性指数模型参数的经验Bayes检验

文章讨论了线性指数模型参数的经验Bayes检验问题。利用核估计方法构造了EB检验函数并获得其收敛速度。     

基于贝叶斯PSECM模型的非线性协整能源需求研究

文章通过面板数据平滑转换模型研究影响能源需求的主要因素.针对面板数据平滑转换模型的序列差分容易造成信息缺失的问题,进行误差修正,构建PSECM模型,刻画变量的非线性特征与变量之间的长期稳定的非线性关系.由于非线性最小二乘算法难以收敛,容易造成参数估计不准确,运用贝叶斯方法分析模型结构,估计模型参数;在此基础上,对新兴市场国家进行实证分析,研究结果表明:贝叶斯算法能够准确地估计模型各参数,证明了贝叶斯PSECM模型的有效性,能源需求弹性与经济水平、能源价格、金融发展水平之间存在长期稳定非线性协整关系.     

带有乘积项的结构方程潜变量交互模型研究

结构方程交互模型特别是对于如何设定结构方程交互模型在国内研究较少.文章通过对结构方程潜变量交互模型的探讨,着重对带有乘积项的结构方程交互模型进行了构建,详细介绍了带有乘积项的结构方程模型的设计方法,并对结构方程交互模型的设定问题进行了讨论.     

我国宏观经济函数系数计量的联立模型及其估计

一、引言联立方程模型在经济政策制定、经济结构分析和经济预测方面起着重要作用。经典的线性联立方程假定在整个样本时序上结构参数都是恒定不变的。但是,一方面由于影响经济发展的因素众多,不同时期内随机因素对被解释变量的干扰方式及干扰程度不同;另一方面经济结构的变化也使得结构参数随时间不同而变化,因此变参数的情况是经常发生的。在单方程确定性变参数模型中,一般都假定变参数是某个变量的线性函数。线性假设虽然简便,但容易造成设定误差。而非参数方法具有很好的稳健性,即永远不会错误地估计回归函数,并且当回归变量为一维时,有很好的拟合效果,因此其在计量经济学中得到了越来越多的关注。但是非参数方法也有其弱点,其一它要求有大量的数据,这一点在我国宏观经济研究中很难满足;其二当回归变量是高维时,就产生了“维数祸根”现象,即估计的收敛速度缓慢,令人很不满意,且估计极不稳定。     

中国居民部门资产选择及其政策调控取向研究

利用具有局部弹性的Minflex Laurent模型,模拟了中国居民部门在三种主要资产存款、股票和房地产之间的选择机制,了解了居民资产选择的特点和存在的问题,并依据上述特点,针对存在的问题提出了政策调控取向。重点讨论了使用者成本因素对资产选择的影响,并且通过对比施加经济正则约束前后的Minflex Laurent模型估计结果,从实证角度证明了施加经济正则约束的必要性。     

单调条件下部分线性回归模型的估计及渐进性质

探讨了部分线性回归模型当非参数分量受到单调条件限制时的估计问题,利用惩罚局部线性核估计方法给出参数分量与非参数分量αRLS、gRLS的估计,并进一步研究了^αRLS及^gRLS的渐进性质,结果表明:新得到的非参数约束条件下的估计是a.s.收敛的,并且保证了单调性和边界点适应性。将问题推广到一般情况,探讨了部分线性回归模型当非参数分量受到高阶导数约束时,参数分量的估计^αRLS。     

随机效应广义空间滞后半参数变系数面板模型的估计

通过构建同时包含因变量和误差项空间滞后的随机效应半参数变系数面板模型,拓展了现有模型的灵活性和适应性。采用截面极大似然估计方法得出了参数和非参数的估计,理论证明发现：在一定的正则条件下,所有估计量具有一致性和渐近正态性。数值模拟显示：估计量具有良好的小样本性质,估计精度随着样本容量的增加而增加;空间权重矩阵的选择对估计量的表现没有产生显著差异,但是在Case权重矩阵下,当样本量相同时,空间相关系数的估计偏差随着空间权重结构复杂度的增加而扩大。     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。