纵向部分线性变系数EV模型的估计

纵向数据是随着时间变化对个体进行重复观测而得到的一种相关性数据,广泛出现在诸多科学研究领域。在对个体进行观测时,测量误差不可避免,忽略测量误差往往会导致有偏估计。本文利用二次推断函数方法研究关于纵向数据的参数部分和非参数部分协变量均含有测量误差的部分线性变系数测量误差(errors-in-variables, EV)模型的估计问题。利用B样条逼近模型中的未知系数函数,构造关于回归参数和B样条系数的偏差修正的二次推断函数以处理个体内相关性和测量误差,得到回归参数和变系数的偏差修正的二次推断函数估计,然后证明了估计方法和结果的渐近性质。数值模拟和实例数据分析结果显示本文提出的方法具有一定的实用价值。     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。     

基于滑动窗口的区间值部分可加线性模型的宏观经济预测

针对区间型数据,文章在部分线性模型的基础上结合可加模型并引入滑动窗口模型,提出了基于滑动窗口的中点、极差部分可加线性模型,融合了半参数回归和滑动窗口模型的优点,同时又避免了维数灾难。依据交叉熵准则确定了滑动窗口的期数,并基于最小二乘法及核估计方法给出了模型参数和未知函数估计的迭代算法。在实证分析中,通过引入若干金融指标,对宏观经济进行预测。结果表明,改进模型优于传统回归模型。     

固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性.当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现.最后,将估计方法应用于分析碳排放的影响因素.     

线性混合效应模型的FIC选择准则

线性混合效应模型在许多科学领域都有重要应用,本文主要研究它的变量选择问题,我们推导了FIC变量选择准则,它通过选择能极小化感兴趣目标量之估计的均方误差的模型而提高估计效率。模拟结果表明本文提出的FIC准则与其他常用的模型选择准则相比具有较大的优势。     

关于纵向数据分析方法的比较研究

文章通过比较加权最小二乘,极大似然估计,广义估计方程,分位回归和复合分位回归五种方法在随机效应模型中对固定效应的估计效果,来说明各种方法在不同情况下的表现性能,重点介绍了各个方法的应用背景并给出固定效应、随机效应以及协方差估计的表达式.文章通过蒙特卡洛模拟来进一步说明这些方法的表现情况.最后通过实际的生物数据来说明各个方法的应用.     

固定效应部分线性变系数面板模型的快速有效估计

本文将最小二乘支持向量机(LSSVM) 和二次推断函数法(QIF) 相结合，为个体内具有相关结构的固定效应部分线性变系数面板模型提供了一种新的快速估计方法；在一定的正则条件下，论证了参数估计量的渐近正态性和非参数估计量的收敛速度；采用Monte Carlo模拟考察了估计方法在有限样本下的表现并将估计技术应用于现实数据分析。该方法不仅保证了估计的有效性和统计推断力，而且程序运行速度得到较大幅度提升。     

纵向可加部分线性测量误差模型的渐近估计

基于纵向数据,研究参数部分协变量含有测量误差的可加部分线性测量误差模型的估计问题,提出了用于模型估计的偏差修正的二次推断函数方法,得到参数部分的估计结果具有相合性、渐近正态性,非参数可加函数的估计结果达到最优收敛速度。数值模拟和实例数据分析结果显示,该模型估计方法在同等条件下要优于广义估计方程方法。理论和数值结果显示,偏差修正的二次推断函数可以有效地处理测量误差和个体内相关性,是一个有效的纵向数据和测量误差数据分析工具,具有一定的理论和应用价值。     

基于样本协方差的正弦波频率估计算法

文章讨论了乘性和加性噪声背景中的正弦波的频率估计.通过求解基于不同阶次样本协方差方程的根得到了所给模型的频率估计,并通过基于频率方差最小准则得到最优协方差阶次.同时从理论上证明了频率估计是渐进无偏估计,并给出了频率估计的渐近方差表达式.仿真实验证明了算法的有效性.     

正交多项式回归模型参数估计的格子设计及其最小二乘估计

对二元二次多项式回归模型进行预先正交化处理，提出使用因子空间的N等份的格子设计的观点，推导出了信息矩阵的一般性结构，并给出了该设计的非退化条件及其最小二乘估计和对应的协方差矩阵。     

带测量误差的分位数回归模型的参数估计研究

近年来,研究预测变量带测量误差的分位数回归模型的参数估计问题已逐渐成为统计学中的一大热点问题,但由于带测量误差的分位数回归模型的参数估计十分复杂,所以相关研究很少,而目前的研究主要集中于误差分布为球形对称分布的正交回归法和误差分布自由的校正损失函数法等。在回归误差分布为正态分布的假设下,提出修正因子得分法(CFS),即在因子得分法的基础上进行参数估计,并对估计偏差进行修正得到最终估计;通过模拟研究,比较修正因子得分法相对正交回归估计(H-L估计)的优劣,并对修正因子得分法进行综合评价。     

基于中国股票高频交易数据的随机波动建模与应用

本文对近十五年多达17万笔高频交易数据研究发现,早晨9:30股市开盘期间收益回报显著为负值,而在下午3:00收盘前的5分钟集合竞价阶段的收益回报显著为正值,称这种现象为“首尾5分钟现象”.并且日内收益数据具有较为显著的季节效应或周期效应,本文首次提出利用具有季节效应的SVJt-s模型对上证综合指数的5分钟高频交易数据进行建模,并给出模型的两步估计方法.由于高频随机波动建模时的数据量巨大、计算负荷严重,模型的估计、评价以及预测评价方法都需进行相应的改进,本文主要通过APF方法计算边际似然和BF进行模型比较,并从模型的预测能力发现本文给出的具有季节效应的SVJt-s模型,优于通常的GARCH模型和基本随机波动模型,最后给出了模型在风险管理中的应用.     

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。     

基于负二项回归模型的空气质量指数分析

空气质量指数是与人们的日常活动密切相关的指标。基于中国18个城市2014年共52个周的空气污染计数数据进行负二项回归分析,通过运用广义线性混合效应模型和广义估计方程的方法进行比较分析,从理论和实际应用上得到了一定结论。研究结果表明:广义线性混合效应模型和广义估计方程两种方法在分析空气污染问题中差别不大;人口因素、城市园林绿化状况、气象因素、城市群效应以及季节效应对所研究城市的空气污染状况发生与否及其严重程度有显著的影响。     

半参数纵向模型的惩罚二次推断函数估计

针对纵向数据半参数模型E(y|x,t)=XTβ+f(t),采用惩罚二次推断函数方法同时估计模型中的回归参数β和未知光滑函数f(t)。首先利用截断幂函数基对未知光滑函数进行基函数展开近似,然后利用惩罚样条的思想构造关于回归参数和基函数系数的惩罚二次推断函数,最小化惩罚二次推断函数便可得到回归参数和基函数系数的惩罚二次推断函数估计。理论结果显示,估计结果具有相合性和渐近正态性,通过数值方法也得到了较好的模拟结果。     

调整利息税率对中国居民人均消费影响的实证分析—基于1985—2008年的经验数据

 本文通过所构建的居民消费效用函数模型,得到利息税率调整引起居民人均消费的变化量,并利用中国1985—2007年的数据估计出模型中的参数。通过实证分析发现：第一,调整利息税率对我国人均消费产生的收入效应大于替代效应;第二,调整利息税率对城镇和农村居民的人均消费影响的效应不同：提高利息税率对城镇居民人均消费产生的总效应相对较大,而降低利息税率对农村居民人均消费产生的总效应相对较大;第三,城镇居民消费时间偏好、储蓄效用因子大于农村居民的消费时间偏好和储蓄效用因子。     

我国31个省级地方政府公共服务能力的比较研究

文章综合考虑社会保障能力、环境能力、科技教育能力以及政府自身行政能力等方面的要素,建立评价地方政府公共服务能力的指标体系.通过因子分析方法,对我国31个省级地方政府的相关数据进行计算,得出结论:综合因子、发展因子、成本因子和管理因子是反映地方政府公共服务能力的主要因子.基于上述四个因子,对政府公共服务能力进行聚类,分析造成省级地方政府服务能力差别的潜在原因,从而为地方政府公共服务能力的评估提供参考和依据.     

局部平稳部分线性面板数据模型的统计推断

部分线性模型是一类非常重要的半参数回归模型,由于它既含有参数部分又含有非参数部分,与常规的线性模型相比具有更强的适应性和解释能力。文章研究带有局部平稳协变量的固定效应部分线性面板数据模型的统计推断。首先提出一个两阶段估计方法得到模型中未知参数和非参数函数的估计,并证明估计量的渐近性质,然后运用不变原理构造出非参数函数的一致置信带,最后通过数值模拟研究和实例分析验证了该方法的有效性。     

约束线性模型系数的岭型Stein估计及最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件。然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件,通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE。     

约束线性模型系数的岭型Stein估计及其最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件.然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件.通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE.