可加模型的序列相关检验

可加模型是一类应用广泛的半参数模型,为了检验模型误差是否存在有限阶数的序列相关,基于由Backfitting估计方法得到残差构造了检验统计量,并证明了该统计量的渐近零分布为正态分布或卡方分布,最后通过模拟试验验证了该检验方法的有效性。     

基于经验模态分解和广义可加模型的双变量频率结构影响研究

文章提出了一种基于经验模态分解和广义可加模型的组合方法,以研究非平稳自变量中不同频率的波动成分对因变量的非线性影响。模拟分析表明,经验模态分解可以对非平稳序列进行有效的分解,得到不同频率的波动成分,揭示了数据的内部频率结构。     

部分线性可加变量含误差模型的估计

作为可加模型和部分线性模型的推广,部分线性可加模型是一类应用广泛的半参数模型。文章主要讨论了当线性部分的协变量测量含误差时模型的估计问题,我们基于profile全最小二乘法构造了参数分量和模型误差方差的估计,并证明了估计量的渐近正态性。     

面板数据的可加分位回归模型研究与应用

本文在贝叶斯分析的框架下讨论了面板数据的可加模型分位回归建模方法。首先通过低秩薄板惩罚样条展开和个体效应虚拟变量的引进将非参数模型转换为参数模型,然后在假定随机误差项服从非对称Laplace分布的基础上建立了贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,论文给出了所有待估参数的条件后验分布,并构造了待估参数的 Gibbs抽样估计算法。计算机模拟仿真结果显示,新提出的方法相比于传统的可加模型均值回归方法在估计稳健性上明显占优。最后以消费支出面板数据为例研究了我国农村居民收入结构对消费支出的影响,发现对于农村居民来说,无论是高、中、低消费群体,工资性收入与经营净收入的增加对其消费支出的正向刺激作用更为明显。进一步,相比于高消费农村居民人群,低消费农村居民人群随着收入的增加消费支出上升速度较为缓慢。     

非参数可加ACD模型及其应用研究

非参数可加ACD模型对条件期望的函数形式与随机误差项的分布形式要求都没有参数ACD模型强,因此不会像参数ACD模型那样因模型形式设定错误而得出错误结论。非参数可加ACD模型估计出来的各个可加部分图形的形状对于正确设定参数ACD模型具有一定的指导作用。     

基于滑动窗口的区间值部分可加线性模型的宏观经济预测

针对区间型数据,文章在部分线性模型的基础上结合可加模型并引入滑动窗口模型,提出了基于滑动窗口的中点、极差部分可加线性模型,融合了半参数回归和滑动窗口模型的优点,同时又避免了维数灾难。依据交叉熵准则确定了滑动窗口的期数,并基于最小二乘法及核估计方法给出了模型参数和未知函数估计的迭代算法。在实证分析中,通过引入若干金融指标,对宏观经济进行预测。结果表明,改进模型优于传统回归模型。     

基于相依误差可加模型的多项式样条估计

文章首先采用多项式样务估计的方法,对基于相依误差的可加模型进行多项式样条估计,获得函数系数的估计,并给出了该估计的相合性;然后,使用该方法对我国当前的上证指数进行了实证研究;最后,将基于相依误差和误差为标准正态的可加模型的预测结果进行了比较,得出了基于相依误差的可加模型的多项式样条估计对上证指数的预测更有效的结论.     

通过非参数可加模型回归估计的享乐价格函数

1模型定义和估计1.1概要我们利用多元回归模型建立一个享乐价格函数模型:穴Y｜X1=x1熏……XD=xD雪=α Dd=1移md穴xd雪穴1雪假定从随机向量穴Y熏X1熏L熏XD雪中抽取n个独立观察量邀穴yt熏xt1熏…熏xtD雪'妖nt=1,且V穴Y｜X1=x1熏……X D=xD雪=σ2为未知参数,m d穴·雪为真值测量函     

社会保障支出与中国居民储蓄——基于非参数可加模型的分析

预防性储蓄理论表明社会保障与居民储蓄行为存在密切联系。目前中国社会保障体系日趋完善,而居民储蓄率却仍然持续居高不下,针对这种现象,采用1999—2009年中国省级数据,运用非参数可加模型,对社会保障支出与中国城镇居民人均储蓄水平的线性和非线性关系进行实证分析,结果表明:社会保障支出水平对城镇居民人均储蓄水平具有显著的线性和非线性影响,但不同支出的影响方向和影响程度不尽相同,且不同支出的影响存在明显的地区差异。     

影响银行业效率的国家样本分析——基于半参数的可加模型方法

以62个国家作为样本研究对象,以半参数的可加模型作为研究方法,分别从宏观经济层面、产业制度层面、产业结构层面和文化层面四个角度分析了各层次因素对银行业效率的影响。实证表明：适度的混业经营、良好的信用制度、较强的公众监督能力、资本市场的茁壮发展以及稳定的宏观经济环境能有效提高银行业的效率。而通过对银行规模的分析,也证实了银行业的确存在规模经济现象。     

混合广义线性模型

本文首次提出混合广义线性模型，此模型包括通常的标准广义线性模型以及贝叶斯多层广义线性模型。对二分量混合广义线性模型，利用近似准似然方法讨论其参数估计。对指数族混合广义线性模型，利用标准的广义线性模型分析方法得到参数的迭代估计。至于Ａｌｂｅｒｔ提出的贝叶斯多层先验分析方法，我们给出简单的讨论与修正；并且讨论与分析两个特殊的贝叶斯多层广义线性模型，给出它们的有关详细结果。最后，对混合广义线性模型，提出两个问题     

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。     

一种非参数可加模型回归估计的简便方法

文章利用非参数可加模型来构造经济增长函数.从研究方法看,文章采用了一种较为简便的非参回归估计方法构造矩阵,并运用Backfitting算法来对该函数进行迭代求解.该方法简单明了,在程序实现过程中避免了选择窗宽的繁冗过程;从实证的角度看,文章从两个方面来考虑经济增长的影响因素:外商直接投资和普通高校招生情况,这两方面皆被目前人们所普遍关注.实证结果揭示了影响经济增长的一些重要特征.     

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.     

联立方程模型参数的修正间接广义岭估计

本文对外生变量设计矩阵X复共线的联立方程模型提出一种参数的间接广义岭估计方法,并对估计出的参数进行了改进,使其具有良好的统计性质,并证明了这些性质。     

基于用电数据的经济景气指数模型及实证

文章根据经济循环增长理论,绘制经济景气年表,用以选取最佳的研究时段。利用X12方法提取该时段经济数据的趋势值作为基准指标,通过时差相关分析、K-L信息量和峰谷对应法对各行业用电量趋势值与经济数据趋势值进行比对,确定先行、一致和滞后指标组,合成经济景气指数,即EPI-P,包括先行指数、一致指数和滞后指数。以辽宁省为例进行实证研究,结果显示：一致指数与基准指标走势基本吻合;先行指数与一致指数走势一致,提前期为6～8个月。     

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.     

带流数据集AFT模型的可再生估计

流式生存数据是一个随时间延续而无限增长的动态生存数据集合,由于数据集以流的形式不断高速到达,一旦当前批次的数据到来,经过快速处理后就要被释放,不能继续保留在内存中。基于右删失流式生存数据来解析协变量与生存时间之间的相关性时,加速失效时间模型（AFT模型）是常被使用的模型之一。文章基于带流数据集的AFT模型,通过泰勒展开构造一个Working估计方程,提出可再生估计,该估计仅依赖历史批数据集的汇总统计量和当前批数据集,有效避免了计算机对历史批数据存储带来的压力。模拟分析和实证结果表明,基于带流数据集的AFT模型提出的可再生估计方法在有限样本中的运行性能较好,在实践中具有可操作性。     

广义线性混合模型及其SAS实现

本文探讨了重复测量资料广义线性混合模型（GLMMs）建模及SAS9．1的PROC GLIMMIX程序实现。利用PROC GLIMMIX程序中Model语句选项和Link语句来指定因变量的分布及连接函数,通过Random语句来指定随机效应,采用线性限制性／残差虚拟似然法进行参数估计。GLMMs是在广义线性模型的基础上引入随机效应,因变量可以是指数家族中任意分布,可以通过连接函数将观测的均数向量与模型参数联系起来。GLMMs应用范围广,建模灵活,可以为相关或非常数方差数据建模,能提供客观正确的统计结论。     

缺失数据下广义线性模型的经验似然推断

利用经验似然方法,讨论缺失数据下广义线性模型中参数的置信域问题,得到了对数经验似然比统计量的渐近分布为标准卡方分布;给出参数的一些估计量及其渐近分布,利用数据模拟解释了所提出的方法。