因果推断中基于能源距离的协变量分布平衡

本文基于倾向得分构造处理组和对照组协变量的经验加权分布，采用能源距离度量加权经验分布与总体协变量经验分布的差异，通过最小化分布差异最大化协变量平衡，进而估计倾向得分和平均处理效应。本文最优化不带任何约束并且保证解的唯一性。同时，平均处理效应估计量是■相合，估计量精度较高。将本文方法应用于考察养老保险对生育意愿的影响，相比回归分析本文结果可靠性更佳。     

偏度系数的近似线性贝叶斯估计

在概率统计中,偏度系数反映了随机变量的密度曲线的对称特征.由于偏度系数涉及到分布的前三阶矩,因此得到好的估计有一定的难度.文章建立贝叶斯模型,对偏度系数提出近似线性贝叶斯估计,并在多条数据结构下,对先验分布的超参数提出合适的估计,得到偏度系数的经验贝叶斯估计.     

基于倾向得分匹配与加权调整的非概率抽样统计推断方法研究

文章针对非概率抽样统计推断问题,提出了一种解决方法:首先采用倾向得分匹配选择样本,然后采用倾向得分逆加权、加权组调整和事后分层调整三种方法对匹配样本进行加权调整来估计目标总体,并比较不同方法估计的效果.蒙特卡罗模拟与实证研究表明:当网络访问固定样本大小与目标样本大小的比率小于3对,三种加权方法估计的效果均比未加权时匹配样本的估计效果好;当网络访问固定样本大小与目标样本大小的比率不小于3时,倾向得分事后分层调整与未加权的匹配样本估计效果较好.     

倾向得分匹配方法的敏感性分析

利用蒙特卡洛模拟实验研究倾向得分匹配方法(propensity score matching)的敏感性.模拟试验结果表明:(1)倾向得分匹配方法对误差项分布不敏感,即使当假定的误差分布与实际分布相差较大时,据倾向得分匹配方法仍能得到大致无偏的估计.(2)隐指标函数的误设可以使倾向得分匹配方法估计结果的偏差高达61%.(3)当共同支撑域较大时,倾向得分匹配方法对具体匹配方法的选择不敏感.当共同支撑域较小时,局部线性回归匹配方法为最优.(4)倾向得分匹配方法对强可忽略性假设是非常敏感的,即使轻度的违背此假设,倾向得分匹配方法的估计结果偏差也超过50%.     

基于自助法的统计泛函估计比较研究

首先,模拟从正态分布,指数分布和泊松分布中随机抽样;然后,利用自助法进行总体统计泛函的估计,模拟B次后分别得到了不同分布不同样本量下的B个统计泛函估计值;最后,采用平均绝对误差和均方误差为评价标准,比较了不同分布不同样本量下自助法估计的优劣.结果表明,离散分布的自助法估计最好,在连续分布中,样本量n≤5时,对称分布不如非对称分布的自助法估计,样本量n≥6时,非对称分布不如对称分布的自助法估计.     

基于复杂网络的在线社交网络特征与传播动力学分析

利用体现复杂网络结构特征的指标,比较了IT微博网络与小世界网络和无标度网络的平均最短路径长度和聚集系数,分析了网络节点的度数、介数和接近数,利用最小二乘法对度分布进行拟合,并分析了"度-度"相关性,基于SIS传播模型比较了相同平均度条件下的小世界网络与微博网络的传播规律。结果显示:IT微博网络具有小世界和无标度的特征;绝大多数用户只有少量的关系人,介数最大的节点不一定是接近数最大的节点;关系网络的度服从幂律分布;实验网络具有度的异配性,即度值小的节点倾向于与度值大的节点连接,新增加的个体更倾向于与大度数的个体建立联系;微博网络对舆论传播具有脆弱性。     

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.     

缺失数据下的逆概率多重加权分位回归估计及其应用

数据缺失问题普遍存在于应用研究中。在随机缺失机制假定下,本文从模型推断角度出发,针对线性缺失分位回归模型,提出一种新的有效估计方法——逆概率多重加权（IPMW）估计。该方法是在逆概率加权（IPW）估计的基础上,结合倾向得分匹配及模型平均思想,经过多次估计,加权确定最终参数估计结果。该方法适用于响应变量是独立同分布或独立非同分布的情形,并适用于绝大多数缺失场景。经过理论推导及模拟研究发现,IPMW估计量在继承IPW估计量的优势上具有更稳健的性质。最后,将该方法应用于含有缺失数据的微观调查数据中,研究了经济较发达的准一线城市中等收入群体消费水平的影响因素,对比两种估计方法的估计结果及置信带,发现逆概率多重加权估计量的标准偏差更小,估计结果更稳健。     

基于倾向分匹配法的农民工培训收入效应实证研究——以吉林省为例

基于2006年吉林省进城务工人员调查数据,采用倾向分匹配法对农民工的培训收入效应进行估算.研究结果表明:培训对农民工的收入确实有显著的积极的影响,其中职前培训的增收效果明显高于在职培训.横截面估计和OLS估计的结果也支持这一结论.同时通过比较不同方法中的受试组和参照组个体统计特征发现,倾向分匹配法中参照组的个体统计特征更接近于受试组,亦即基于倾向分匹配法获得的估计结果更接近于随机实验结果.     

本期导读

在非寿险业务中,对损失数据所服从的分布的精确估计是一个十分重要的问题.<非寿险损失分布建模的一般性方法>一文,利用平均超出函数、极大似然估计等方法系统地分析了损失分布的模型识别、参数估计和模型拟和检验的技术方法,并通过实例验证了在有大量损失数据情况下,利用计算技术解决非寿险损失分布模型拟和是一种有效的方法.     

随机化实验和观察性研究中处理效应的识别与估计

文章考虑处理效应评估的统计方法.在许多社会科学中,人们经常关心处理效应的评估问题.这个问题最初来源于评价一种新药有没有疗效,而后人们把它扩展到很多领域.人们评估处理效应的最直接的方法是比较处理组与对照组的平均输出.然而,这种方法通常会导致处理效应估计产生选择性偏差.在随机化试验中,处理变量的随机化分配能够克服这种偏差.然而,随机化实验经常是不实用的,研究者们用的更多的是观测研究.在观测研究中,无混杂分配能够克服选择性偏差.并且在这个假设下,回归、匹配和倾向得分等方法都可以用于评估处理效应.     

基于协变量平衡加权的平均处理效应的稳健有效估计

倾向性得分是估计平均处理效应的重要工具。但在观察性研究中,通常会由于协变量在处理组与对照组分布的不平衡性而导致极端倾向性得分的出现,即存在十分接近于0或1的倾向性得分,这使得因果推断的强可忽略假设接近于违背,进而导致平均处理效应的估计出现较大的偏差与方差。Li等(2018a)提出了协变量平衡加权法,在无混杂性假设下通过实现协变量分布的加权平衡,解决了极端倾向性得分带来的影响。本文在此基础上,提出了基于协变量平衡加权法的稳健且有效的估计方法,并通过引入超级学习算法提升了模型在实证应用中的稳健性;更进一步,将前一方法推广至理论上不依赖于结果回归模型和倾向性得分模型假设的基于协变量平衡加权的稳健有效估计。蒙特卡洛模拟表明,本文提出的两种方法在结果回归模型和倾向性得分模型均存在误设时仍具有极小的偏差和方差。实证部分将两种方法应用于右心导管插入术数据,发现右心导管插入术大约会增加患者6. 3%死亡率。     

非寿险损失分布建模的一般性方法

在非寿险精算中,损失分布的建模是保费厘定等其它一系列工作的基础.文章利用平均超出函数、极大似然估计等方法系统地分析了损失分布的模型识别、参数估计和模型拟和检验的技术方法,并给出了一个实例.这对于在有大量损失数据情况下,利用计算机技术解决非寿险损失分布模型拟和的问题是非常有益的.     

同质性保单索赔次数的一种分布类讨论

受免赔额和无赔款优待等因素的影响,使得保单组合中索赔次数为零保单数相对较多,文章根据这个特点引出了同质性保单索赔次数的一种分布类,即调零的复合泊松分布类.然后讨论了这类分布中两种特殊的索赔次数分布模型,讨论了模型中相应参数的极大似然估计.最后给出数值算例,并对拟合效果进行了分析.     

逐步增加的Ⅱ型截尾下Lomax分布形状参数的估计

文章在逐步增加的Ⅱ型截尾下,给出了Lomax分布形状参数θ的极大似然估计;由“平均剩余寿命”的概念得到了形状参数的逆矩估计,在平方损失函数和对称熵损失函数下,针对不同的先验分布给出了参数θ的Bayes估计;最后通过随机模拟对几个估计进行了比较,说明了在相同的损失函数下,取共轭先验分布较无信息先验分布的精度要高.     

网络访问固定样本调查的统计推断研究

如何解决网络访问固定样本调查的统计推断问题,是大数据背景下网络调查面临的严重挑战。针对此问题,提出将网络访问固定样本的调查样本与概率样本结合,利用倾向得分逆加权和加权组调整构造伪权数来估计目标总体,进一步采用基于有放回概率抽样的Vwr方法、基于广义回归估计的Vgreg方法与Jackknife方法来估计方差,并比较不同方法估计的效果。研究表明:无论概率样本的样本量较大还是较小,本研究所提出的总体均值估计方法效果较好,并且在方差估计中Jackknife方法的估计效果最好。     

一种新寿命分布的参数估计及其应用

Chen(2000)提出了一种新的两参数寿命分布,这个分布有递增或浴盆型失效率函数,并基于Ⅱ型截尾样本给出了分布参数的区间估计.文章对这种两参数寿命分布在一个参数已知时,基于Ⅰ型截尾样本并借助Han(2011)给出的失效概率的E-Bayes估计给出了另一个参数的最小二乘估计和加权最小二乘估计,进而得到了失效率函数和可靠度的估计.最后,结合发动机的实际问题进行了计算,结果表明方法可行且便于工程应用.     

偏态t分布下FIGARCH模型的动态VaR计算

针对金融时间序列多是有偏分布和"长记忆性"的特征,讨论偏态t分布下分数维GARCH模型的动态VaR测算问题.在分析正态分布、学生t分布、广义误差分布下和偏态t分布的基础上估计模型参数,得出了动态VaR,并进行了失败率检验.实证结果表明:基于偏态t分布下的FIGARCH模型测算的动态VaR值克服了其他分布假设上的不足,能够较好地反映金融收益率的实际风险,并在该分布下的Pearson吻合度检验也证实了模型分布选择的正确性.     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...     

非线性GARCH族的模型平均估计方法

本文考虑了非线性GARCH族的模型平均估计方法。在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则。在一定正则条件下,本文证明上述模型平均估计量具有渐近最优性,即渐近实现真实最优的KL偏离度。蒙特卡洛模拟结果表明,在大部分情形下,本文提出的模型平均估计量取得了更小的相对KL偏离值。作为非线性GARCH族的模型平均估计方法的应用,本文对2016年6月1日至2017年6月1日上证指数的日波动率进行估计,与现有模型选择与模型平均方法相比较,本文模型平均估计方法具有更高的精度。