CES生产函数的贝叶斯估计

文章通过对CES生产函数及其几种参数估计方法的介绍,借助WinBUGS软件,用贝叶斯方法对中国农业部门CES生产函数的参数进行了估计,并进行了蒙特卡罗统计模拟检验。结果说明,参数估计结果合理;参数估计过程说明WinBUGS软件易操作、灵活,而且统计模拟结果的显示图文并茂,说明了WinBUGS在应用贝叶斯方法进行计量经济学估计时是一款优秀的软件。     

基于辅助粒子滤波的DSGE模型识别方法及应用

动态随机一般均衡模型中涵盖无法直接观测的变量,同时跨方程约束涉及复杂的非线性关系使方程的解析估计难以实现。在贝叶斯框架下识别动态随机一般均衡模型,基于状态空间方法建立度量方程和状态转移方程,采用辅助粒子滤波预测条件后验分布,建立贝叶斯误差带描述宏观经济变量脉冲响应函数的动态特征。实际数据分析验证了贝叶斯识别方法的有效性。     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

基于正态-Gamma共轭先验分布的贝叶斯AR(p)预测模型

本文系统地分析了AR(P)时间序列模型的数学模型及其条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-Gamma先验分布情况下模型的贝叶斯推断理论,包括模型自回归系数和精度参数后验分布的统计推断、二次损失函数下参数的贝叶斯估计;同时,从统计数学方法上严格地证明了一步超前预测模型的预报分布为t分布.     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳。为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应,则估计精度较低。     

基于软件Eviews和WinBUGS计量模型的比较

在计量经济学设计模型、收集资料、估计模型、检验模型、应用模型(结构分析、经济预测、政策评价)过程中,Eviews软件是必不可少的工具,而WinBUGS软件是贝叶斯计量经济学计算的常用软件.文章以时间序列AR(1)模型为例,运用Gibbs抽样的MCMC方法,介绍了贝叶斯统计方法在计量经济学模型中的应用,分析了在实证中贝叶斯估计与经典计量估计的区别和联系,并指出贝叶斯方法在计量经济学及其他学科广阔的应用前景.     

基于贝叶斯自激励门限自回归模型的中国GNP经济分析

文章通过建立贝叶斯自激励门限自回归(SETAR)模型,对改革开放30年来我国国民生产总值(GNP)年度增长率的变化趋势进行了分析研究。采用贝叶斯统计推断方法估计出所建立模型的参数,并对近几年GNP做了相应的预报研究。研究表明在此后几年内我国GNP与GDP仍不能同步增长,且增长率有逐步拉大趋势,GNP的增长率呈非线性缓慢上升。     

寿命产品可靠度的贝叶斯估计

在与信息论中的熵函数有关的一种新的加权对称熵损失函数下,用参数估计方法研究了寿命服从几何分布的产品可靠度的估计问题。得到了可靠度的贝叶斯估计的一般形式与精确形式并讨论了贝叶斯估计的可容许性。最后研究了可靠度的多层贝叶斯估计,数值算例表明研究结果能为实际生产提供稳健性较高的估计形式。     

带有有序变量的结构方程模型中的模型选择

文章着重研究了带有有序分类变量的结构方程模型的模型选择问题,并将一个基于贝叶斯准则的统计量称为测度,应用到此类模型中进行模型选择。通过实例分析说明了上述方法的应用,并给出了根据贝叶斯因子进行模型选择的结果。     

基于贝叶斯PSECM模型的非线性协整能源需求研究

文章通过面板数据平滑转换模型研究影响能源需求的主要因素.针对面板数据平滑转换模型的序列差分容易造成信息缺失的问题,进行误差修正,构建PSECM模型,刻画变量的非线性特征与变量之间的长期稳定的非线性关系.由于非线性最小二乘算法难以收敛,容易造成参数估计不准确,运用贝叶斯方法分析模型结构,估计模型参数;在此基础上,对新兴市场国家进行实证分析,研究结果表明:贝叶斯算法能够准确地估计模型各参数,证明了贝叶斯PSECM模型的有效性,能源需求弹性与经济水平、能源价格、金融发展水平之间存在长期稳定非线性协整关系.     

多重检验中利用参数边际模型估计真实零假设的比值

文章给出了一种基于参数边际模型的方法来估计多重检验中真实零假设的比值。这个新的方法是基于有限混合模型对数似然函数,因此可以看作是一个参数版的经验贝叶斯方法。最后通过一个模拟研究和一个实例分析来比较这个新的估计方法和其他的估计方法的差别。     

基于多阶段抽样的贝叶斯序贯过程质量监控分析

文章针对参数随机化情况下的质量控制问题,提出了新的过程质量方法。通过质量控制模型的统计结构分析,研究了Jeffreys先验分布下参数的后验分布和贝叶斯估计,据此构造了具有预警线的过程样本均值-标准差监控图,以及贝叶斯过程能力指数评价模型;然后,将过程状态稳定的模型参数后验分布作为下一阶段的参数先验分布,进行样本数据信息融合、模型迭代更新,建立了基于共轭先验分布的贝叶斯序贯均值–标准差监控和贝叶斯动态过程能力指数估计模型。研究结果表明:与现有的统计过程质量控制方法比较,贝叶斯序贯过程质量监控方法能够融合产品质量指标的历史信息,及时更新过程控制限,动态监控过程质量波动。     

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.     

基于非线性ECM模型的贝叶斯门限协整研究

 现有门限协整检验方法由于模型似然函数具有多峰、不连续特征,导致冗余参数识别存在困难,最优化计算相对复杂。本文提出基于非线性误差修正模型的贝叶斯门限协整分析,结合参数的后验条件分布设计MCMC抽样方案,进行贝叶斯门限协整检验;并利用Monte Carlo仿真研究了贝叶斯门限协整检验的有限样本性质,发现贝叶斯门限协整检验方法具有良好的有限样本性质。同时,利用不同期限的美国利率序列进行了实证研究,结果发现1个月与3个月利率之间、3个月与6个月利率之间以及3个月与1年利率之间均存在门限协整关系。研究结果表明：贝叶斯门限协整检验方法解决了冗余参数识别的难题,使计算变得相对简单,并提高了估计的精确度和检验的准确性。     

中国能源增强型技术进步率及要素替代弹性的测算

本文构建了我国1980-2011年的标准化要素增强型能源CES生产函数模型和标准化供给面系统,通过将4方程供给面系统转化为单方程后再采用DE非线性最优化算法的方法估算我国能源增强型技术进步率及要素替代弹性.结果表明:①(KE)L嵌套的CES生产函数形式结构比较符合我国的实际;②我国能源与资本的工程替代弹性估计值为0.345,能源增强型技术进步年均增长率为2.6％.     

中国总量生产函数的估计

CES生产函数的经典估计程式奠基于较为严格的基础假设,现实经济未必满足.为迎合相关假设,文章考虑采用数据包络分析(DEA)方法估算有效产出及相应的要素影子价格,进而利用生产者均衡条件估计CES生产函数的具体形式.实证分析表明,该种程式不仅具有现实可行性,且有其独特的应用价值.     

基于混合Copula函数的C-Vine贝叶斯推断

文章主要采用C-Vine模型,对模型进行贝叶斯推断.C-Vine模型利用二元Copula函数作为组块构造多维的相关结构,通过采用不同的二元Copula函数族来精确地捕捉变量间的相关性.采用Czado等提出的选择准则决定C-Vine模型的具体分解形式.利用AIC信息准则选择C-Vine模型中每条边合适的Copula函数族.利用马尔科夫链蒙特卡罗(MCMC)算法估计C-Vine模型的参数.最后,通过实例来研究序列间的相关性和相互影响.     

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。     

符号约束与时变参数SVAR模型的贝叶斯估计实现

传统识别SVAR模型的方法包括两类,一类是约束模型中的结构参数,另一类是约束脉冲响应函数,但多为严格的等式约束,符号约束则基于先验理论限定脉冲响应的方向,用较为宽松的不等式约束实现模型识别,能有效降低主观因素影响;同时随着经济结构的变化,SVAR模型的参数估计值有随时间变化的趋势,固定的参数估计值已不能有效刻画不同时期的经济发展状态.本文基于Gibbs抽样思想与贝叶斯统计推断理论,系统介绍符号约束下时变参数SVAR模型的贝叶斯估计方法,使用中国和美国数据,分别估计VAR模型、Sign-SVAR模型和Sign-TVP-SVAR模型.实证结果发现,符号约束能够有效避免脉冲响应的方向性偏误,时变参数能够更好刻画不同时期内经济变量的结构时变特征,在货币政策分析中具有明显优势.     

产品无失效概率的贝叶斯估计

对给定的一组泊松样本,在与信息论中的熵函数有关的一种对称损失函数下,用参数估计方法研究了产品无失效概率的贝叶斯估计与区间估计。在给定先验分布下得到了这两种估计的精确形式,并讨论了贝叶斯估计的可容许性,模拟结果表明文章得到的这两种估计都具有较高的精度。