空间门限随机前沿模型的构建与估计

基于空间计量视角拓展门限随机前沿模型,从技术效率时变和非时变两个层面分别构建空间门限随机前沿模型。模型同时考虑了生产单元的异质性和空间相关性,适用性较佳。分别使用两阶段最小二乘法和极大似然方法估计非时变和时变层面下的参数,使用JLMS法估计效率。蒙特卡罗结果表明:此方法的估计精度较高。随着样本容量的增加,估计精度增加;忽略空间效应或者门限效应,估计精度较低。     

真实固定效应空间随机前沿模型的贝叶斯估计

忽略个体效应和空间效应会严重干扰效率测算,其中忽略个体效应使得技术无效率项发生偏移,忽略空间相关性导致估计量有偏且不一致。本文基于真实固定效应随机前沿模型（引入了个体效应）,引入因变量和双边误差项的空间滞后项,构建了适用性更佳的真实固定效应空间随机前沿模型。对模型进行组内变化以消除额外参数,使用贝叶斯方法（需推导未知参数的后验分布并执行MCMC抽样）估计参数和技术效率。该方法真正克服了额外参数问题,比同类方法直观、简便。数值模拟结果表明,本文方法对参数、个体截距项及技术无效率项的估计精度均较高,且增加样本容量,估计精度变优。     

异质性空间随机前沿模型的参数估计及应用

经典的随机前沿模型忽略了决策单元之间的空间关联性,无法准确估计效率影响因素相关参数,限制了其适用范围。本文在空间自回归随机前沿模型的基础上,引入效率影响因素,构建出一个异质性空间随机前沿模型,基于极大似然估计法给出模型参数的单步估计策略,提出决策单元技术效率的最优预测量。理论分析证明,模型参数在一定的假设条件下具备一致性;模拟实验表明,参数估计量和技术效率预测量较之经典模型具有更高的估计精度,且会随着样本量的扩大而逐渐提升。本文使用所提出理论方法讨论了我国城市数字普惠金融发展与技术效率水平之间的相关关系,发现两者之间存在显著的正相关关系,同时也印证了模型设定和估计方法的可靠性。     

双重滞后随机前沿模型技术效率的估计

首次在随机前沿模型中同时引入因变量间(或双边误差间)和技术效率间的空间相关性并构造了双重滞后随机前沿模型,使用极大似然估计方法和JLMS方法得出参数和技术效率的估计。蒙特卡罗模拟表明:忽略技术效率的空间相关性,参数估计和技术效率的估计均表现欠佳。本研究能以较高的精度估计参数和技术效率。随着样本容量的增加,估计效果更优。     

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛.本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好.     

内生性随机前沿模型估计方法研究：无需工具变量的Copula方法

内生性是常见的计量问题,忽略内生性会导致估计量有偏且不一致。现有部分文献研究了内生性随机前沿模型的估计,但实现的前提是能够为内生性自变量寻找到合适的工具变量,而实际情况下合适的工具变量通常不容易获取。本文研究了在难以找到合适的工具变量的情况下内生性随机前沿模型的估计问题：结合Copula方法和极大模拟似然方法估计参数。此外,本文还构造了技术无效率的新的点估计,该点估计额外利用了内生自变量的信息,通常比JLMS法对应的点估计更有效。数值模拟表明,相比于已有研究,本文提出的方法估计精度更高。     

空间滞后面板平滑转换模型的估计及数值模拟

将空间滞后项引入面板平滑转换模型,构建了空间滞后面板平滑转换模型,通过综合应用拟极大似然法和非线性最小二乘法,构造了该模型的参数估计方法,并通过蒙特卡洛数值模拟探讨了参数估计方法的小样本性质;数值模拟结果显示,提出的估计方法在小样本条件下表现良好,参数估计值随着样本容量的增大而收敛到参数的真值。     

基于Copula方法处理随机前沿模型的正偏度问题

随机前沿模型在小样本情形下容易出现正偏度问题,无法给出厂商技术效率的合理估计值。放松经典模型中关于复合扰动项的相互独立假设后,基于Copula方法刻画白噪声项与技术无效率项之间的相关性,采用数值模拟方法计算模型参数与厂商技术效率的估计值。蒙特卡洛实验表明,此估计策略具有良好的大样本性质,较之经典模型拥有更高的估计精度,能够在出现正偏度问题时给出合理的技术效率估计值,且估计结果在不同的Copula函数选择下保持着较好的稳健性。     

随机效应空间滞后单指数面板模型

对随机效应空间滞后单指数面板模型,本文构建了该模型的截面极大似然估计方法,从理论证明和数值模拟两方面分别考察了其估计量的大样本性质和小样本表现。研究结果表明:(1)在大样本条件下,估计量均具有一致性,并且参数估计量具有渐近正态性。(2)在小样本条件下,各估计量依然具有良好的表现,其精度随着样本容量的增加而提高;空间权重矩阵结构的复杂性对空间相关系数的估计量影响较大,但对其他估计量的影响较小。     

空间误差自相关随机前沿模型及其估计

将空间计量经济学的思想引入随机前沿分析，构建了基于横截面数据的空间误差自相关随机前沿模型，推导出模型的似然函数以求得参数估计，并给出了各生产单元技术效率的估计。     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

基于Copula函数的空间统计模型估计与应用

在空间数据分析中,由于空间预测在很大程度上依赖于对空间变化的现象分布的假设,因此建立空间数据分布模型是非常重要的问题.Stein(1999)指出,传统的方法利用变差函数描述插值的空间依赖性结构和基于似然方法的模型相比是相当不精确的.对于非正态分布的空间数据而言,Copula函数提供了一种可以分别指定相关结构和边缘分布而建立联合分布的可能性.文章基于Copula函数的非正态分布数据的空间插值方法,讨论模型参数的极大似然估计并运用生态环境数据进行实证研究.     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

空间滞后误差自相关随机前沿模型参数的估计

文章利用工具变量矩阵方法研究了空间滞后误差自相关随机前沿模型参数的估计问题,得到了参数估计的表达式.与极大似然估计相比较,工具变量矩阵法极大地简化了计算.蒙特卡罗模拟的结果表明,参数估计值十分逼近真值.     

证券市场中板块联动效应的空间计量分析

收益率之间的联动效应广泛存在于证券市场中,文章用空间计量的方法对同板块股票收益率的联动效应进行了定量分析,在CAPM模型的基础上,通过使用空间权重矩阵将联动影响因素纳入了解释变量之中,并推导出极大似然估计方法克服了内生性问题,然后通过蒙特卡洛模拟证明了这种方法的可行性。     

抽样推断中比例估计的几种方法及比较

本文通过比例估计的例子,揭示了不同抽样理念、统计学派以及估计方法在抽样推断中的应用及特点,特别的分析了基于模型的抽样理念下,贝叶斯思想和极大似然思想的应用。本文反映出统计学科中,面对同一个问题有各种不同角度的理解和解决方法。     

空间回归模型估计中的最小二乘法

空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。     

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。     

可变系数空间自回归模型的参数估计

传统的空间面板数据模型利用截距项来体现空间异质性,往往无法完全体现出空间异质性,文章构建一种系数随空间个体变动而变动的空间自回归模型,利用系数来考察空间异质性,并可以考察经济关系以及空间关系的个体特征。在一定的模型设定条件下,文章给出了该模型的完全信息极大似然估计,并推导了该估计量的渐进分布。     

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.