含方程误差的重复测量误差模型参数的假设检验

含方程误差的重复测量误差模型解决了协变量真值与响应变量真值之间存在的不完全匹配问题.为使中小型样本量下的假设检验结果更为准确,文章基于多元正态分布推导改进形式的Skovgaard似然比检验统计量,提高其在原假设下收敛到卡方分布的渐近速度,并应用该检验统计量对重复测量误差模型中回归参数的显著性进行假设检验.模拟研究的结果表明改进的似然比检验统计量在有限样本检验下的优越性;实例分析中通过检验气温与气压之间回归参数的显著性来说明该方法的实用性.     

混合样本下双因素误差模型的参数估计

考虑到面板数据的选择性偏误、不响应、样本流失及轮换面板数据的高成本，在实际应用中，根据研究的需要和两种样本各自的特征，有时将两种样本结合使用，从而得到普通面板数据和轮换面板数据的混合样本。文章提出了混合样本下双因素误差面板回归模型的迭代极大似然估计方法，得到了未知参数的迭代公式。使用蒙特卡罗模拟方法分析了面板数据和混合样本下参数估计的平均绝对偏差和均方误差，结果显示：与面板数据下的极大似然估计量相比，混合样本下迭代极大似然估计方法整体上降低了估计量的平均绝对偏差和均方误差，优于面板数据下的极大似然估计量。     

面板数据模型的设定、统计检验和新进展

在介绍面板数据及其优势与局限的基础上,首先,从异质性、时变性和相关性的观点对静态面板数据计量模型的设定、动态面板数据模型的估计方法和Granger因果检验进行系统的讨论。其次,按照假设检验的零假设进行分类,系统阐述面板单位根检验和协整检验理论。最后,介绍面板数据计量经济学的一些新进展。     

双总体假设检验的另类区间估计法及其MCS研究

文章根据区间估计与假设检验的关系,通过构造大概率事件,利用另类区间估计检验方法,对双总体常见的参数假设检验给出了检验方法;并利用蒙特卡罗模拟方法从实验的角度对该检验方法进行了验证,证实了另类区间估计方法不但可以对原假设成立时进行假设检验,对原假设不成立时也有满意的检验效率.     

动态面板模型参数估计方法的比较研究

本文借助于蒙特卡洛模拟方法,在综合比较了主流动态面板模型参数估计方法优劣的同时,分析了动态面板模型参数估计有效性检验统计量的检验功效.结论表明:广泛应用的差分和系统GMM的参数估计方法,在小样本情况下,存在明显的参数估计偏差,相应的参数检验功效也存在扭曲,固定效应方差比越大这一偏差越明显,偏差修正和极大似然的动态面板模型参数估计方法参数估计的有效性越高.当动态面板模型的被解释变量为截断变量时,差分和系统GMM的参数估计偏差更为明显,而转换的Tobit模型则能够提供稳健的参数估计.固定效应方差比越大,弱工具变量检验的LM和CLR功效越稳健.本文最后将不同的动态面板模型估计方法,应用于劳动力迁移引致的区域工资差距问题的研究,进一步验证了蒙特卡洛模拟研究结论的稳健性.     

双因素效应的动态二值logit模型的参数估计及应用

文章考虑了带有个体效应和时间效应的双因素面板数据动态二值logit模型，在周期T固定的条件下，提出了一种新的方法估计模型参数。从理论层面指出了该估计量满足一致性和渐近正态性；数值模拟研究了估计量的小样本性质，模拟结果表明，该估计方法在有限样本下具有良好的统计性质。最后，将该方法应用于洗涤剂的购买数据进行实证分析。     

空间面板杜宾模型的Bootstrap Wald-COMFAC检验研究

将共同因子约束(COMFAC)的Wald检验问题引入到空间面板模型中,讨论空间面板杜宾模型与空间面板误差模型的识别问题。蒙特卡洛模拟表明:在有限样本下,基于渐近临界值的Wald检验有着良好的检验功效,但存在着较为严重的尺度扭曲。进一步采用残差Bootstrap方法,在不损失检验功效的前提下,能够显著地降低检验的尺度扭曲。因此,残差Bootstrap方法是更为有效的检验方法。     

多项分布内生回归元计数模型的两阶段估计方法研究

两阶段估计方法是解决计量模型变量内生性问题的重要方法,而现代社会科学领域的研究文献在选择两阶段估计方法时存在较多误区,缺乏比较系统的研究。基于多项分布内生回归元的计数模型,采用蒙特卡洛模拟比较2SLS、2SPS、2SRI三种两阶段估计方法的优劣,并从检验水平和功效角度评价Wald、LR、LM三种内生性检验方法的有效性,结果发现:当忽略模型非线性、内生性或错误设定计数数据分布时,2SLS和2SPS均会存在较大的估计偏差,但2SRI估计量具有良好的有限样本特征;基于2SRI的三种内生性检验方法,在计数数据分布设定正确时都有合理的实际检验水平和功效,但在忽略计数数据过度分散特征时,Wald和LR检验统计量会发生严重的水平扭曲,而LM检验则更有效。     

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。     

基于潜变量模型的多元有序数据轮廓分析法

提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。