平稳的平滑转移自回归过程之间的虚假回归问题研究

文章研究平稳的平滑转移自回归过程之间的虚假回归问题.通过推导最小二乘回归估计量及其对应的t统计量的极限分布,发现:标准的t检验流程中的t统计量并不趋于标准正态分布,其极限分布依赖于模型参数,从而导致了虚假回归的可能.采用蒙特卡洛模拟研究了有限样本下数据生成过程的各项参数对虚假回归的影响,研究表明:虚假回归现象也可能普遍存在于平稳变量之间,为此,在做统计推断时,考虑平稳变量的具体特征是必要的.     

季节趋势平稳过程间的虚假回归

文章推导了当数据生成过程是独立的季节趋势平稳过程情形下,OLS参数估计及检验统计量的极限分布.由于序列中的趋势会导致虚假回归现象的发生.文章借助Monte Cado试验,对上述虚假回归中OLS统计量(t类统计量、R2、DW)的大样本渐近分布进行模拟,发现确实存在虚假回归现象并且受样本容量的影响不大.文章还针对我国数据样本期比较短的特点,就虚假回归下统计量的小样本(T=10,15,30,50)特征进行了模拟.     

结构突变趋势平稳过程与随机趋势过程的虚假回归研究

 内容提要：在已有研究的基础上,本文更为深入的研究含有结构突变的趋势平稳变量与随机趋势变量间的虚假回归问题。本文推导出OLS估计下DW统计量、F统计量以及R2的极限分布,并且将回归模型扩展到动态情形下,推导出用于Granger因果检验的F统计量的极限分布;采用Monte Carlo模拟方法分析了数据生成过程的各项参数对各统计量有限样本分布的影响;最后,本文分析了在有限样本下,数据生成过程的各项参数对虚假回归及虚假Granger因果关系发生概率的影响。     

非线性回归模型的线性变换和正交多项式回归

在非线性回归模型中,部分模型可以通过数据变换转化为线性模型进行研究,但这种转换有时会引起随机扰动项的变换,改变其假设条件,从而影响模型的准确性.文章引入非线性回归模型的线性变换方法和正交多项式回归方法,重点介绍了正交多项式回归方法;基于R语言软件,通过例子说明了非线性模型线性变换的局限性,并给出了正交多项式回归方法拟合非线性模型的具体应用.     

一元非线性回归两种不同模型的比较

一元非线性回归是常用的统计分析方法,其计算方法是通过数学变换将非线性模型转换成线性模型,然后用最小二乘法计算回归系数。将非线性模型转换成线性模型有两种数学模型,其一是经过线性化后,以直接观测值的函数作为因变量,这是常用的方法,称其为间接观测值回归;其二是经过线性化后,以直接观测值作为因变量,称其为直接观测值回归。文章讨论了这两种数学模型回归结果间的差异,通过仿真实验说明了直接观测值回归的结果优于常用的间接观测值回归的结果。     

HAC法在平稳过程之间伪回归中的适用性研究

通过蒙特卡罗模拟技术揭示各种HAC法在平稳过程伪回归中的适用性.研究发现,与核权函数HAC相比,预白化HAC法具有明显的优势;进一步的研究表明相对于被解释变量的持久性,解释变量的持久性对HAC的影响较大;当数据过程是高阶自回归过程时,在样本容量不是很大的情况下预白化方法的拒绝率会随着阶数增加而增大,只有在样本容量较大和BIC信息准则情况下预白化HAC的拒绝率才接近检验水平.     

非线性回归模型的曲率降低问题研究

文章在曲率立体阵的概念基础上,给出基于Cholesky分解的曲率立体阵的计算方法.对非线性回归模型的曲率降低的方法进行讨论,归纳和总结了参数变换法和增加采样法,列举出一部分通过参数变换可以完全转化为线性模型的非线性模型,最后提出一种加权最小二乘估计法,并通过数值仿真说明该估计法通过降低模型的曲率以达到高精度的本质.     

非线性回归的计算机处理方法

1 线性回归分析的一般形式与求解软件线性回归可用于对客观事物数量依存关系的分析,是一种重要的统计分析方法。它广泛应用于社会经济现象变量之间的影响因素和关联的研究。多元线性回归模型的一般形式为:Y=a b1x1 b2x2 …bkxk     

协变量缺失下非线性分位数回归中参数的经验似然推断

文章考虑协变量缺失下非线性分位数回归中参数部分的经验似然统计推断,提出了加权修正的估计方程,并给出了当缺失机制已知和未知时极大经验似然估计的渐近分布,得到了著名的Horvitz-Thompson现象.     

“内在”非线性回归模型的参数估计

一般数理统计书上都讨论过变量非线性的回归模型 ,而对参数非线性或者变量和参数都是非线性的回归模型没有介绍 ,本文就这些“内在”非线性回归模型的参数估计进行探讨     

平稳阈值自回归下的伪回归研究

 研究表明相互独立的平稳阈值自回归(TAR)模型之间的回归存在伪回归,且伪回归的产生与样本容量和随机干扰项的分布无关。通过一系列的MC模拟,不仅证实了理论结论,而且模拟结果还表明当持久性相同时,两机制TAR回归模型比三机制TAR回归模型具有更大的拒绝率,原因在于两机制TAR下,OLS法估计得到的标准误具有更厚的左尾。此外在模拟中也发现当随机干扰项服从TAR模型时,Newey-West(1987)的一致异方差估计法是不适用的。     

STAR非线性平稳性检验中误设定的伪检验研究

本文通过理论分析和蒙特卡洛仿真模拟,研究平稳性检验中选用的统计量与数据生成过程不一致时,非线性ESTAR、LSTAR与线性DF检验法能否得出正确的结论.研究表明,二阶LSTAR与ESTAR模型可用相同的检验方法,但前者的非线性特征更强.当数据生成过程为线性AR,或非线性ESTAR、二阶LSTAR模型时,使用DF或ESTAR检验法可得出大致正确的结论,但LSTAR检验法完全失败.数据生成过程的非线性特征越强,ESTAR较DF检验方法的功效增益越高;线性特征越强,DF的功效增益越高.当转移函数F(θ,c,zt)中θ较大导致一阶泰勒近似误差较大或c非0时,标准ESTAR与LSTAR非线性检验法失去应用条件.θ较大或c偏离0较远时,数据生成过程中线性成分增强,用线性DF检验可获得更好的检验结果.     

Spurious Instrumental Variables

Spurious regression phenomenon has been recognized for a wide range of Data Generating Processes: driftless unit roots, unit roots with drift, long memory, trend and broken-trend stationarity, etc. The usual framework is Ordinary Least Squares. We show that the spurious phenomenon also occurs in Instrumental Variables estimation when using non stationary variables, whether the non stationarity component is stochastic or deterministic. Finite sample evidence supports the asymptotic results.     

基于自相关视角的弱平稳过程之间的伪回归分析

随机干扰项之间的未知形式自相关是导致相互独立的弱平稳过程之间伪回归的主要原因.通过理论分析和一系列的蒙特卡罗模拟,揭示了数据过程本身的持久性、样本容量T和随机干扰项自相关之间的内在联系.研究发现随机干扰项往往呈现出与数据过程阶数相同的自相关.进一步研究表明,运用广义差分法和Cochrane- Orcutt迭代法虽然能大大减少伪回归概率,但在有些情况下,即使当样本容量较大时,较高阶的Cochrane- Orcutt迭代法仍然无法避免伪回归的发生.     

Nonlinear Regression

It is often thought that regression data should be mean-centered before being diagnosed for collinearity (ill conditioning). This view is shown not generally to be correct. Such centering can mask elements of ill conditioning and produce meaningless and misleading collinearity diagnostics. In order to assess conditioning meaningfully, the data must be in a form that possesses structural interpretability.     

Aggregation of Variables in Least-Squares Regression

I consider the properties of the estimator when the true model is y = β₁ x ₁ + β₂ x ₂ + u, but the restriction β₁ = β₂ = β is incorrectly imposed. I show that the probability limit of is a weighted sum of β₁ and β₂; the weights sum to 1 but do not necessarily lie in the unit interval, so plim need not be bounded by β₁ and β₂. Sufficient conditions for such bounding are derived. Certain changes in the moments of x ₁ and x ₂ have “perverse” effects on the weights. I illustrate the consequences of inappropriate aggregation of variables with an empirical example of the effect of research and development investment on productivity.     

中年女性血红蛋白参考值与地理因素的非线性模型

文章收集了中国268个单位用氰化高铁血红蛋白(HiCN)法测定的25917例中年女性血红蛋白参考值,运用非线性回归分析的方法,研究了其与地理因素的关系,发现中年女性血红蛋白参考值与地理因素之间有很显著的相关关系,得到一个多元非线性回归方程。因此知道了某地的地理因素,就可以用非线性回归方程估算这个地区的血红蛋白参考值。依据血红蛋白参考值与地理因素的依赖关系可以把中国分为青藏区、西南区、西北区、东南区、华北区、东北区六个区,为制定中年女性血红蛋白参考值的统一标准提供科学了依据。