基于数据统计诊断的截面数据诊断方法

经典计量经济学模型对截面数据存在着很强的依赖性,因此样本数据质量好坏是决定计量模型质量的关键因素,但很少有学者对截面数据的质量进行诊断。文章从数据统计诊断方面找出了诊断截面数据的几种方法,以此可增加计量经济分析结果的可靠性。     

截面相关面板数据的部分异质结构的识别

在大维面板数据中,截面之间很可能呈现出部分异质的特征,即参数在截面间具有组群效应,同组参数相同而不同组参数相异。如果忽略部分异质性而采用完全异质或同质的方法,可能导致估计的不一致性以及统计推断无效性。鉴于已有的部分异质性的研究要么限定截面独立,要么局限于强因子情形,本文尝试在Reese和Westerlund（2015）[1]提出的允许强因子或非强因子存在的较一般的框架下探讨面板数据部分异质结构的识别问题。采用Pesaran（2006）[2] CCE （Common Correlated Effects）方法处理不同强弱的共同因子,并借鉴Su et al.,（2016）[3]的C-Lasso （Classifier- Least Absolute Shrinkage and Selection Operator）方法,对CCE变化后的方程构造带有加法-乘法惩罚项的惩罚最小二乘,优化后以同步地实现分组和参数的估计。理论分析表明,在强因子或半强因子情形中,本文所提方法在分组方面具有渐近一致性,即所有个体被正确分组的概率随着 而趋于1。同时,参数的Lasso估计和事后Lasso估计均具有渐近正态性。另外分析结果也表明,因子的强弱不会影响分组的一致性但会影响以上两种估计量的渐近正态性,因子越强,两种估计量收敛得越快。模拟结果则表明有限样本下,本文所提的方法在分组、参数估计和分组数确定方面均具有良好的表现。具体的,在强因子和不同的半强因子情形中,随着N,T的增加,分组和分组数正确率很快地上升到100%,而两种参数估计的均方根误差和偏差则明显地降低。最后,利用本文所提的方法,研究了人力资本对经济增长影响的部分异质性。     

基于截面数据的中国主要城市规模产出效应的实证研究

以市区人口和建成区面积为城市规模指标,市区GDP为城市产出指标,建立柯布-道格拉斯城市规模产出效应回归模型,对1996、2002和2007年全国主要城市规模产出效应进行实证研究。研究表明,1996、2002和2007年城市人口规模产出弹性分别为0.21、0.5和0.35,同期建成区面积规模产出弹性分别为0.89、0.82和0.94,城市规模产出总效应分别为1.1、1.32和1.29,表明上述3个时期城市规模均存在递增的产出效应。不同时期城市规模产出效应的稳定性检验表明,1996和2007年城市规模产出效应存在显著性差异。地区间城市规模产出效应的稳定性检验表明,2007年东、中、西部地区间的城市规模产出效应并不存在显著性差异。     

双参数指数分布无失效数据的可靠性分析

文章对双参数指数分布场合下的无失效数据,讨论了当位置参数已知和未知时,可靠性参数的置信限;并结合实际问题进行了计算。     

企业营销活动中定性数据的统计处理方法

随着市场经济的进一步完善 ,属于定量分析的统计方法在制定营销策略时显得越来越重要 ,但实践过程中往往遇到的是定性数据。本文结合几个实际例子探讨一下这类数据的统计处理方法。一、两个基本问题１．统计数据的划分。按照美国统计学家史蒂文斯的划分 ,统计数据分为定名、定序、定距和定比四种类型 ,层次从低到高 ,运算可从计数、排序到加减、乘除。一般的企业营销活动统计到的销售量、销售额等属于定比数据。而如消费者性别、教育程度、年龄等 ,则分别为定名、定序和定距数据。不同类型的数据在运用统计方法时要进行不同的处理。２．数据…     

不完全数据场合下双参数指数分布参数的区间估计

文章讨论了双参数指数分布参数基于不完全数据情况下的置信区间的构造问题.针对门限参数和尺度参数,分别给出了用于构造置信区间的枢轴量,讨论了门限参数的枢轴量以及尺度参数的枢轴量的精确分布,得到了相应的置信区间.针对尺度参数置信区间构造的枢轴量可以抵抗样本中异常数据的干扰,具有一定程度的稳健性.     

国民经济核算数据质量问题初探

从1995年起,我国开始向新国民经济核算体系全面过渡。新国民经济核算体系的实施,为更加科学全面地掌握国民经济运行状况,加强宏观经济管理,实行科学决策,促进国民经济健康发展提供了可靠的基础保障。那么,如何发挥新核算体系的作用,基础数据的质量是关键。只有科学的方法手高质量的数据相结合,万能体现整个核黄体系的生命力。因上提高统计核算是础数据质量是新国民经济核算体系进一步健全与完善的一个重要头号。在此,笔者从影啊核算数据质量的因素入手,就如何提高国民经济核算数据质量问题谈点自己的看法。一、影响国民经济核算数…     

横截面数据变量的规模特征:特征价格建模分析

本文通过对截面数据排序这样一种创新的简单建模实验,将经济变量间关系的一个基本特征——非线性规模效应纳入到截面数据模型设定中。本文以特征价格模型为实验案例,具体的分析对象是汽车和电脑的特征价格模型。实验得出的主要结论有:由于忽略了截面数据样本中潜在的非线性规模效应,传统模型得出的特征价格指数很可能存在系统偏差;基于规模解释变量的数据排序方法是滤出截面数据样本中非线性信息的一种简易而有效的途径;截面数据一经排序,便可采用现有的系统动态建模方法来实现对变量间这种非线性规模信息的滤出。     

小儿佝偻病调查数据的处理分析

本文应用系统工程理论和多元统计的逐步回归分析方法处理和筛选小儿佝偻病调查的数据，分析研究小儿佝偻病发病的主要因素，为防治小儿佝偻病和提高诊断的准确性提供重要的参考依据。     

国有企业不良资产帐务处理问题初探

随着企业国有资产改革步伐加快，国有经济面临重新布局和结构调整。历史遗留下的企业间业务往来帐款、“呆死”帐造成的大量不良资产一一浮出水面，不仅滞后国企改制、资本运作，障碍着资产重组，同时，也使国有资产遭受损失，特别是金融企业的资金“沉淀”、产生不良贷款，更直接造成国有资产流失。     

基于Panel Data和SEA的环境Kuznets曲线分析 ——与马树才、李国柱两位先生探讨

 针对当前学者研究中国环境Kuznets曲线存在的问题，本文使用了面板数据模型和空间计量模型，以克服使用时间序列模型时样本数量偏少和使用截面数据时易引起空间自相关性等问题。结果表明中国有部分环境指标满足环境Kuznets曲线的倒U型特征。     

基于核和灰度的双重异构数据序列预测建模方法研究

通过建立灰色异构数据"核"序列的DGM(1,1)模型,实现双重异构数据"核"的预测;以"核"为基础、以双重异构数据序列中较大的区间灰数信息域作为预测结果的信息域,构建基于区间灰数与实数的双重异构数据序列灰色预测模型,有效地将灰色预测模型建模对象从"同质数据"拓展至"双重异构数据"。研究成果对丰富灰色预测模型理论体系具有积极意义。     

Modeling Unequally Spaced Bivariate Growth Curve Data Using a Kalman Filter Approach

ABSTRACT

In many clinical studies, patients are followed over time with their responses measured longitudinally. Using mixed model theory, one can characterize these data using a wide array of across subject models. A state-space representation of the mixed effects model and use of the Kalman filter allows one to have great flexibility in choosing the within error correlation structure even in the presence of missing or unequally spaced observations. Furthermore, using the state-space approach, one can avoid inverting large matrices resulting in efficient computation. The approach also allows one to make detailed inference about the error correlation structure. We consider a bivariate situation where the longitudinal responses are unequally spaced and assume that the within subject errors follows a continuous first-order autoregressive (CAR(1)) structure. Since a large number of nonlinear parameters need to be estimated, the modeling strategy and numerical techniques are critical in the process. We developed both a Visual Fortran^® and a SAS^® program for modeling such data. A simulation study was conducted to investigate the robustness of the model assumptions. We also use data from a psychiatric study to demonstrate our model fitting procedure.     

基于计算机集群技术的经济数据处理系统构建

计算机集群系统是互相连接的多个独立计算机的集合。在利用计算机集群技术构建基于并行计算的统计分析与经济数据处理系统的基础上,着重论述集群计算技术在经济数据处理系统中的应用、运行方式及性能评价方法,并以北京经济数据处理与计算机仿真实验室为例,构造基于集群并行计算技术的经济数据信息系统。     

Bayesian Analysis of Skew Gaussian Spatial Models Based on Censored Data

The customary approach to spatial data modeling in the presence of censored data, is to assume the underlying random field is Gaussian. However, in practice, we often faced data that the exploratory data analysis shows the skewness and consequently, it violates the normality assumption. In such setting, the skew Gaussian (SG) spatial model is used to overcome this issue. In this article, the SG model is fitted based on censored observations. For this purpose, we adopt the Bayesian approach and utilize the Markov chain Monte Carlo algorithms and data augmentations to carry out calculations. A numerical example illustrates the methodology.     

几何分布产品不完全数据场合下的统计分析

几何分布是离散型寿命分布中最为重要的分布之一,许多产品的寿命（比如开关等）都可以用几何分布来描述。由于几何分布的无记忆性,它在可靠性理论与应用概率模型中有着非常重要的地位。目前,对关于几何分布在全样本场合、截尾样本场合以及加速寿命试验场合下参数的统计分析已经有了广泛的研究。并且有着重要的理论与应用价值。因此将不完全数据场合下的几何分布问题转化为指数分布问题,再利用指数分布的已有结果首次得到了几何分布在缺失数据场合和分组数据场合下参数的近似点估计,Monte—Carlo模拟算例结果令人满意,说明该方法是可行的。     

数据分析中的数据质量识别

数据的质量直接影响数据分析的效率和分析结果的可靠性。数据质量包括数据结构质量和给定数据结构后的数据真实性、一致性和完整性。在着重考虑拿到数据之后,从单元格、记录、变量三个角度如何识别数据中潜在的质量问题,并以案例为支撑,介绍了各种可能出现的问题。     

空间数据分析的发展

空间统计学是研究空间问题的一门学科,它是应用数学快速发展的一个分支。尽管传统的数据分析中有许多很好的方法,但却不能完全地套用于空间数据的分析。空间模型的估计不仅与各种回归形式的假设有关,而且还与空间相关、空间异质的特性有关。从空间模型及推断、适应性估计、非参数回归、空间不相关性检验几个方面研究了空间数据分析方法的发展以及未来的趋势。     

A Conditional Approach for Regression Analysis of Longitudinal Data with Informative Observation Time and Non-negligible Observation Duration

Recently, there has been a great interest in the analysis of longitudinal data in which the observation process is related to the longitudinal process. In literature, the observation process was commonly regarded as a recurrent event process. Sometimes some observation duration may occur and this process is referred to as a recurrent episode process. The medical cost related to hospitalization is an example. We propose a conditional modeling approach that takes into account both informative observation process and observation duration. We conducted simulation studies to assess the performance of the method and applied it to a dataset of medical costs.     

The Analysis of Methadone Clinic Data Using Marginal and Conditional Logistic Models with Mixture or Random Effects

The paper develops methods for the statistical analysis of outcomes of methadone maintenance treatment (MMT). Subjects for this study were a cohort of patients entering MMT in Sydney in 1986. Urine drug tests on these subjects were performed weekly during MMT, and were reported as either positive or negative for morphine, the marker of recent heroin use. To allow correlation between the repeated binary measurements, a marginal logistic model was fitted using the generalized estimating equation (GEE) approach and the alternating logistic regression approach. Conditional logistic models are also considered. Results of separate fitting to each patient and score tests suggest that there is substantial between-patient variation in response to MMT. To account for the population heterogeneity and to facilitate subject-specific inference, the conditional logistic model is extended by introducing random intercepts. The two, three and four group mixture models are also investigated. The model of best fit is a three group mixture model, in which about a quarter of the subjects have a poor response to MMT, with continued heroin use independent of daily dose of methadone; about a quarter of the subjects have a very good response, with little or no heroin use, again independent of dose; and about half the subjects responded in a dose-dependent fashion, with reduced heroin use while receiving higher doses of methadone. These findings are consistent with clinical experience. There is also an association between reduced drug use and increased duration in treatment. The mixture model is recommended since it is quite tractable in terms of estimation and model selection as well as being supported by clinical experience.