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.     

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。     

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。     

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.     

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。     

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.     

分组数据在指数分布下的近似极大似然估计

基于指数分布下的分组数据,文章研究了步加试验中参数的近似极大似然估计方法,最后通过蒙特卡罗模拟,说明方法是可行且有效的.     

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。     

极大似然估计方法对层次分析法判断矩阵异常值的修正

层次分析法在决策领域广泛应用,其正确性依赖判断矩阵。文章介绍了当判断矩阵不满足一致性检验时,利用其完全一致性的特点去寻找异常值,以及利用极大似然估计的方法去修正异常值,使其满足一致性检验,并举例说明。     

时变系数空间自回归面板数据模型的极大似然估计

本文对扰动项存在跨时期的异方差、但不存在序列相关的时变系数空间自回归模型提出了极大似然的估计方法,并证明了该估计量的一致性,同时,证明了该估计量渐进服从正态分布,由此说明该估计量具有优良的大样本性质。同时,我们还对本文所提出估计量的小样本性质进行了数值模拟。本文研究表明,估计量虽然在N较小时偏差较大,但是随着N的不断增加,估计量偏差减小,体现了比较优良的渐进性质。同时,估计量的偏差会随着时期数的增加而变大,这说明本文所提出的估计方法适用于个体数较多、时期数较少的短面板数据。     

样本参数的优化检验方法

文章讨论了一种新的抽样方法,并基于这一抽样方法提出了样本参数的优化检验统计量;证明了在一定条件下,当原假设成立时,该检验统计量与简单随机抽样下参数的似然比统计量具有相同的极限分布;并进一步比较了该检验与随机抽样下的似然比检验在参数空间上的功效.从检验所犯两类错误的角度说明了基于排序集抽样的似然比检验的优良性.     

CIR模型参数校准的极大似然法

针对CIR模型,利用Nowman方法得到近似转移密度函数,同时假设零息债券的市场价格与理论价格之间存在高斯误差,构造权重函数,应用加权极大似然方法对模型中的参数进行校准,并通过数值模拟验证了方法的有效性。     

关于季节指数约束条件和极大似然估计的研究——基于三种加法和乘法模型

使用科学的方法观测并计算某种社会经济现象的季节性变动,对于把握其真实的环比变动具有重要的现实意义。使用经典方法计算季节指数以反映现象的季节性变动,因其结果不够严谨和完备,是一个至今尚未获得完满解决的问题。为了提高计算季节指数结果的科学性、严谨性、完备性,基于符合三种加法和乘法模型的社会经济现象,解析其中各季节指数之间存在的约束条件,运用数理统计中极大似然估计理论与方法,推导出与经典方法算式相近的季节指数的约束极大似然估计算式,给出季节指数的区间估计,并举例对获得的结果做了计算和对比验证。     

利率期限结构模型改进极大似然估计效率研究

考虑一种改进的极大似然估计算法估计一维利率期限结构模型的未知参数,该方法首先利用Crank-Nicolson差分法求解与该扩散模型相关联的偏微分方程(PDE),获得累积分布函数,然后利用数值微分得到转移密度函数的近似值。数值模拟实验结果表明,当取较小空间步长时,该改进估计法比Euler法具有更高的效率,并考察该改进估计法在中国银行间同业拆借利率的实证分析,实证结果表明,在所考虑的样本区间内,中国利率的长期水平值是0.025 1,且中国货币市场利率粘性系数的值接近于0.5。     

基于对数正态分布联合对数均值与对数方差模型的极大似然估计

文章基于对数正态分布研究提出了联合对数均值与对数方差模型,给出了此模型参数的极大似然估计,模拟和实例研究结果表明该模型和方法是有用和有效的。     

三个多元正态总体在简单半序约束下均值估计

 多元保序回归理论对统计学中研究多维参数在序约束下的估计理论起着关键性作用。本文讨论了当协方差矩阵已知,在简单半序约束下,对三个多元正态总体均值的估计问题,给出了估计的算法。并证明了在多元均方损失条件下,给出的均值估计优于无序约束的均值估计。     

定时截尾下具有缺失数据的两个几何总体参数的估计

文章利用极大似然估计方法,研究定时截尾下具有部分缺失数据的两个几何总体的参数估计问题,以及两几何总体参数相等的假设检验问题,证明了估计的强相合性以及渐进正态性,给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布。     

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。     

基于多重抽样框的连续性抽样估计方法研究

多重抽样框可以解决单一抽样框难以完整覆盖流动性目标总体的难题,连续性抽样调查则可以获取变量的时序观测数据,对总体现象进行追踪调查。本文将多重抽样框调查与连续性抽样调查两种方法结合在一起进行研究,深入分析基于多重抽样框的连续性抽样估计方法。文章首先设计了连续性调查环境下总体结构变动表;然后,在简单随机抽样假定下的轮换样本调查情形开展研究,设计了14种参数缩减方法对构建的似然函数进行估计求解,并给出了估计量的迭代计算过程;最后,对本文的研究内容进行了总结与展望。     

具有部分缺失数据的两个对数正态分布总体参数的估计与检验

文章研究了具有部分缺失数据的两个对数正态分布总体中的参数估计问题以及两总体参数相等的假设检验问题;证明了估计的强相合性以及渐近正态性,给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布.