随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛.本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好.     

可变系数空间自回归模型的参数估计

传统的空间面板数据模型利用截距项来体现空间异质性,往往无法完全体现出空间异质性,文章构建一种系数随空间个体变动而变动的空间自回归模型,利用系数来考察空间异质性,并可以考察经济关系以及空间关系的个体特征。在一定的模型设定条件下,文章给出了该模型的完全信息极大似然估计,并推导了该估计量的渐进分布。     

线性回归模型的后验极大似然估计

与普通最小二乘法相比,线性模型参数的极大似然估计,在一般的条件下也具有很好的性质;而实际中,在进行统计推断之前,我们往往对参数的信息有一定把握。文章将利用参数的先验信息即先验分布,构造了线性模型参数的后验极大似然估计,并在两种先验分布的情形,给出了具体的结果。     

季节指数的极大似然估计

文章探索运用数理统计的极大似然估计法计算季节指数,得出的计算公式与传统的算术方法完全一致,从直观上保持了与传统算法的衔接性,又可以得出季节指数的区间估计,提高了季节指数计算的完备性.     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

浅谈极大似然估计的教学方法

在数理统计中,当随机变量X的分布类型已知时,一个很重要的问题就是要对分布中所含的参数θ进行估计,即所谓的参数估计。在参数估计方法中有一种常用的点估计方法——极大似然估计方法（以下简称极大似然估计）。该方法最早是由高斯（C.F.Gauss）提出来的,后来费雷（R.A.Fisher）在1912年又重新提出该方法,并证明了该方法的一些优良性质。极大似然估计方法的背后有着非常朴素的哲理,但是,如果不把握其精髓,则很难让初学者理解和接受。笔者在多年从事概率与数理统计教学中发现,这部分既是数理统计（参数估计）教学中的一个难点又是重点。     

马尔可夫转换模型的极大似然估计的算法

由金融和经济时间序列,文章引入了马尔可夫转换模型并详细给出其原理--隐藏马尔可夫模型,以及在条件高斯下的极大似然估计方法.通过引入新的模型--扩张隐藏马尔可夫模型,对多种状态转移的情形下的极大似然估计量的算法进行了改进.     

洛伦茨曲线参数的极大似然估计

洛伦茨曲线是反映收入分配平均程度的曲线，基尼系数是衡量收入分配平均程度的指标，如何计算基尼系数目前尚无有效而简便的方法。本文运用概率论的观点研究洛伦茨曲线，在把收入不高于某一固定水平的人口占总人口百分比视为随机变量的意义下，证明洛伦茨曲线是一分布函数，基尼系数则是洛伦茨曲线的参数的函数，应用极大似然法对洛伦茨曲线的参数进行估计，进而得到基尼系数的估计。     

极大似然估计的间接求法

文章给出了全样本和定数截尾样本场合下求参数极大似然估计的间接方法,并举例说明了该方法的可行性和简便性。     

分组数据情形下一般指数分布刻度参数的极大似然估计

文章研究了分组数据情形下,一般指数分布(GED)刻度参数的极大似然估计存在且唯一的充要条件,进而得到了极大似然估计具有强相合性.     

内生初始假定下动态空间固定效应模型的拟极大似然估计

 本文提出了基于初始值为内生确定下的动态空间固定效应模型,综合考虑了可直接观测和不可直接观测或无法观测的空间效应;推导了模型参数拟极大似然估计量具有的渐近性质及其渐近分布。对参数估计量性质的模拟检验结果表明,似然估计量的渐近性质随着样本容量的增加而改善,且其改善程度对时间维度变化较对空间维度变化更为敏感,在空间单元限定情形下有效增加时间维度可以显著改善估计量性质。中国省域经济收敛性的实证案例分析结果显示,本文构建的综合考虑双重空间结构的空间计量模型具有适用性和合理性。     

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。     

具有组群异方差结构的面板数据模型及其应用研究

面板数据由不同个体的时间序列数据汇聚而成。已有大量研究表明面板数据个体之间存在组群结构,并且普遍存在模型的异方差现象。本文借鉴组群异质性的研究成果,构建模型误差项组群结构的面板数据模型,基于模型假定条件,提出惩罚伪最大似然函数估计法(PQMLE),该方法能够同时进行结构识别和参数估计;证明了估计量具有Oracle渐近性质;蒙特卡洛模拟验证了该方法有效的样本性质;进一步应用该方法对我国股市进行Fama-French三因子模型的实证分析,验证了理论模型的应用效果。     

Maximum Likelihood Estimation of the Log-Binomial Model

Maximum likelihood estimation of prevalence ratios using the log-binomial model is problematic when the estimates are on the boundary of the parameter space. When the model is correct, maximum likelihood is often the method of choice. The authors provide a theorem, formulas, and methodology for obtaining maximum likelihood estimators of the log-binomial model and their estimated standard errors when the solution is on the boundary of the parameter space. Examples are given to illustrate the method.     

非等间隔动态面板数据模型：基于半差分的估计方法和应用

本文提出了非等间隔动态面板数据模型的估计方法,包括非线性最小二乘和最短距离估计法以及这两种估计方法的一步估计量,并且证明了这几个估计量的一致性和渐进正态性。我们使用数值模拟的方法验证了这些估计在有限样本中的估计精度,并且将这四种估计方法应用于实际的问题当中,最终得到了与以往的文献基本一致的估计结果。     

随机效应半参数logit模型的惩罚似然估计研究

 在颇具争议的收入差距和健康关系研究中,为了降低可能存在的模型设定和遗漏变量偏误,本文提出了随机效应半参数logit模型,其中非参数的设定还可用于数据的初探性分析。随后本文提出了模型非参数和参数部分的估计方法。这里涉及的难点是随机效应的存在导致似然函数中的积分没有解析式,而非参数的存在更加大了估计难度。本文基于惩罚样条非参数估计方法和四阶Laplace近似方法建立了惩罚对数似然函数,其最大化采用了Newton_Raphson近似方法。文章还建立了惩罚样条中重要光滑参数的选取准则。模型在收入差距和健康实例中的估计结果表明数据支持收入差距弱假说,且非参数估计结果表明其具有U型形式,与实例估计结果的比较指出本文提出的估计方法是较准确的。     

时变弹性生产函数模型统计学与经济学检验

 内容提要：本文给出时变弹性生产函数的半参数变系数Profile估计方法,提出利用统计学和经济学原理检验时变弹性生产函数显著性和准确性的新思路。中国实证研究发现,广义似然比统计检验无法拒绝 Cobb-Douglas生产函数,但是经济学检验拒绝Cobb-Douglas生产函数。时变弹性生产函数保留了Cobb- Douglas生产函数结构形式,具有明确的经济学意义,改进不变产出弹性中性技术进步假设,是更加符合实际的生产函数模型。     

Estimation for the Generalized Pareto Distribution Using Maximum Likelihood and Goodness of Fit

In this article, we introduce a new estimator for the generalized Pareto distribution, which is based on the maximum likelihood estimation and the goodness of fit. The asymptotic normality of the new estimator is shown and a small simulation. From the simulation, the performance of the new estimator is roughly comparable with maximum likelihood for positive values of the shape parameter and often much better than maximum likelihood for negative values.     

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。     

LSTAR-GARCH模型的单位根检验

LSTAR模型的单位根检验往往易忽视其条件方差的时变性,实际上,对许多经济变量尤其是金融变量建立LSTAR模型后,经常发现其条件方差存在GARCH效应。针对LSTAR-GARCH模型的平稳性检验,本文构建了检验统计量tNG,之后在极大似然估计的基础上,推导出tNG的渐近分布,通过蒙特卡洛模拟方法得到该统计量的渐近临界值,并在此基础上研究了tNG检验的检验功效。在与刘雪燕和张晓峒(2009)提出的tNL检验、Ling等(2003)提出的tLG检验以及DF单位根检验进行比较后,发现tNG检验具备明显优势。