广义矩估计的延伸——广义经验似然估计

从广义矩估计(GMM)到广义经验似然估计(GEL)的发展,是由于GMM估计量小样本性质的不足,促使人们寻求方法的改进和拓展。通过必要的证明和推导,详细解析GEL类估计量(包括EL,ET,CUE)的逻辑关系和数理结构,认识GEL的内在本质,并运用随机模拟方法证实了在小样本场合GEL类估计量比GMM估计量具有更小的估计偏差和均方误差,即GEL类估计改进了GMM估计的小样本性质。     

动态因子模型的广义矩估计(GMM)及其统计性质研究

对于一类存在截面相关性的动态因子模型,本文首次分别提出了动态因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法是对传统频域分析方法的补充;其次,分别研究了模型参数广义矩估计量的渐近性质和有限样本性质.研究发现,在适当的条件下,动态因子及其因子载荷矩阵的GMM估计不仅是具有渐近正态分布的一致估计,而且具有良好的有限样本性质.最后,本文利用动态因子模型对我国6大类上市公司盈利能力增长性的共同驱动因素及其差异性进行了实证分析.     

一类近似因子模型的GMM估计及其统计性质研究

对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法（GMM）,该方法推广了Doz等（2012）的极大似然估计方法;其次,分别研究了模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,利用近似因子模型对我国各类上市公司增长性的共同驱动因素及其差异性进行了实证分析。     

GMM的有效自举改进

广义矩方法(GMM)是计量经济和统计分析中重要的推断方法.但其小样本性质欠佳,促使人们关注其推断方法的改进.而自举法(Bootstrapping)提供了一种改进推断的思路.文章就相关文献的GMM自举方法及过程进行简要的描述和提炼,以说明由此产生的推断的渐进有效改进.     

从最小χ2估计到GMM估计

文章通过对统计学上著名的χ2拟合优度检验,最小χ2估计量和当今流行的广义矩估计(GMM)等方法的分析阐释,建立了它们之间的理论联系,指出广义矩估计实际上是卡方统计量思想的延伸,并就有关理论联系在数理上给出了相应的证明和推导.     

含单调约束的广义回归估计量

传统广义回归估计量的假设是域与域相互独立。实践中,域值通常呈现特定的顺序和形状,使得域间变量的相关性广泛存在。例如,给定地区,信息传输、计算及服务和软件业、金融业等服务业较纺织业、农副产品加工业等制造业的行业内学历为本科及以上的人员占比、行业平均工资等更高。域间相关性的充分利用有助于提高传统广义回归估计量的精度。对此,在辅助变量域值和目标变量域值变化趋势一致的情况下,首先,引入广义回归估计量的保序回归,构建含单调约束的广义回归估计量,满足目标变量和辅助变量的单调性约束。其次,证明了含单调约束的广义回归估计量在一定条件下具有一致性,均方误差更小。最后,利用数值模拟验证含单调约束的广义回归估计量的估计效果。结果显示,在目标变量域值和辅助变量域值变化趋势一致的情况下,含单调约束的广义回归估计量较传统广义回归估计量,估计精度更高。实证部分采用中国健康与营养调查数据进行分析,进一步说明在对多个域进行估计的情况下,考虑域间相关性的影响,采用含单调约束的广义回归估计量,估计效果更好。     

利率期限结构模型估计中的GMM方法述评

广义矩方法(GMM)在利率期限结构模型的估计中有着广泛的应用。文章综述了在利率期限结构模型的估计中GMM方法涉及的各方面问题,其中包括过度估计问题、最优权重矩阵的选取、矩条件的选择、理论矩的计算、模拟矩方法(SMM)和有效矩方法(EMM)。     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

基于广义线性混合模型的经验费率厘定

信度模型是非寿险精算学中最为重要的成果.从20世纪初至今,信度理论先后经历了两个发展阶段:一是早期的有限波动信度模型;二是目前的最大精确信度模型.有限波动信度模型强调结果的稳定性,而最大精确信度模型强调结果的精确性.因此建立信度模型与广义线性混合模型之间的联系,通过对信度模型的分解可以看到:传统的信度理论对风险的刻画方法与广义线性混合模型的结构有极其相似的地方,故可以用广义线性混合模型来厘定经验费率.     

基于广义矩方法的我国通货膨胀福利成本估计

本文在货币效用模型(MIU)框架下研究我国通货膨胀福利成本问题,理性经济人的动态最优化选择行为产生了一组随机非线性欧拉方程.利用这些方程,在稳定状态下推导出估计通货膨胀福利成本的方法.实证分析以欧拉方程为基础,利用广义矩方法(GMM)估计模型参数,进而估计出我国1995-2012年的通货膨胀福利成本.我们发现名义利率比通货膨胀率对通货膨胀福利成本的影响更大,在低通货膨胀水平,通货膨胀率对福利成本的影响更大.本文阐述的估计通货膨胀福利成本的方法的优势在于能够同时考虑通货膨胀率和名义利率两个变量的影响,而传统估计方法只能利用名义利率作为持有货币的机会成本变量来估计通货膨胀福利成本.     

广义Pareto分布尾部厚度的分析与应用

极端值模型是准确估计"厚尾"分布金融资产回报市场风险的有力工具.主要有分块样本极大值模型(BMM)和阈顶点模型(POT).文章对阈顶点模型中广义Pareto分布尾部厚度和应用进行分析.结果表明,当0<ε≤1时,分布的尾部厚度为"厚尾"且随着形状参数的增加而变厚,此时最适合于金融资产时间序列"厚尾"分布建模.     

广义嵌套空间模型变量选择研究——基于广义空间信息准则

本文提出了广义空间信息准则,以解决广义嵌套空间模型的变量选择问题.依据大样本性质的不同,将该准则分为两类:空间AIC类准则和空间BIC类准则.研究发现,空间AIC类准则能有效解决空间模型中变量的错选和漏选问题,但存在多选变量的倾向;而空间BIC类准则能同时解决空间模型中变量的错选、漏选和多选问题,而且在特殊条件下能更有效解决错选和漏选问题,但往往需要更大的样本容量.Monte Carlo模拟结果印证了上述相关结论.最后,本文以城市对外资银行的吸引力为例,在给定测度指标的基础上,验证其空间相关性,并利用本文提出的方法对其影响因素进行变量选择.     

广义Gamma分布簇广义线性混合模型的参数估计

文章在广义线性混合模型的框架下分析广义Gamma分布簇广义线性混合模型的参数估计问题.提出的参数估计有以下三个显著特点:其一,充分利用广义线性混合模型参数估计的理论成果,参数估计表达式与6种广义线性混合模型参数估计结果形式相同;其二,该方法可以通过反复调用广义线性混合模型中的参数估计模块来实现;其三,具有渐进正态性.     

广义双曲线分布在概化理论偏态数据方差分量估计中的应用

心理与教育测量的应用领域发生了较大变化,被测群体的知识和能力等特质在一定程度上不再服从偏度为0的分布.文章利用广义双曲线分布性质,模拟生成一定偏度的偏态分布数据,探讨数据不同偏度对概化理论方差分量估计的影响.结果表明:利用广义双曲线分布性质可以有效模拟生成概化理论所需要的偏态分布数据；广义双曲线分布模拟的偏态分布数据对概化理论各种方法估计方差分量有影响.     

一种广义Logistic模型的参数估计方法及应用

文章分析了广义Logistic曲线的解析性质及拟合预测的优势,提出了一种求解广义Lo-gistic模型参数的方法--组合最优化方法.实例研究表明,广义Logistic曲线在拟合饱和增长趋势方面具有更好的弹性,能获得高于Logistic曲线的拟合精度.     

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.     

中国广义回归抽样估计系统的构建及应用

在抽样理论和应用研究方面,中国一直比较重视抽样方案设计,而忽视抽样估计方法研究。本文在系统总结加拿大等西方国家成功经验的基础上,引入并改进了一套广义回归估计系统,应用在复杂的连续多阶抽样调查中。本文以各类常见的抽样设计为基础,通过模型组和模型水平将现有的超总体模型进行扩展,建立各种类型的回归模型进行模型辅助的广义回归估计,最终形成一套广义回归估计系统,为中国抽样估计的应用研究奠定理论基础。最后,本文以中国农产量的连续多阶抽样调查为例,给出了具体的回归估计程序,从而验证这套系统的实践性和应用价值。     

动态广义最小二乘法在面板协整中的应用研究

在进行非平稳面板数据的协整分析时,使用动态最小二乘法（DOLS）可以有效消除内生性问题,从而得到具有渐进正态分布的统计量。但在小样本条件下,由于可使用解释变量差分项的阶数有限,导致模型中均衡误差项的序列相关,使得DOLS统计量出现严重的检验水平畸变。为此,本文将单一时间序列的动态广义最小二乘法（DGLS）应用于非平稳的同质面板数据模型。在序贯极限分布的条件下,DGLS统计量仍具有正态的条件极限分布。而仿真实验表明,对于非平稳的同质面板数据模型,即使在均衡误差项存在高序列相关的条件下,DGLS统计量仍具有较好的小样本性质。     

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。     

Mlinex损失函数下广义指数分布形状参数的Bayes估计

文章给出了Mlinex损失函数下两参数广义指数分布形状参数的Bayes估计及其容许性,并对该分布的充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现。