空间分层数据无条件模型的改进及其估计

抽样调查中得到的数据经常既包含个体信息又包含地理单元信息,形成以地区集聚的分层数据.空间分层数据中地理单元间往往具有空间依赖性,区别于传统的分层数据.分析空间分层数据时需要首先建立无条件模型用作初步分析.因此,在传统分层无条件模型中引入完全空间自回归模型来表达空间相关性,建立空间分层数据的无条件模型,并研究其估计方法,借助参数估计值可做模型选择.     

基于EM算法的改进MLM模型及参数估计

传统的分层模型假设组与组之间独立,没有考虑组之间的相关性。而以地理单元分组的数据往往具有空间依赖性,个体不仅受本地区的影响,也可能受相邻地区的影响。此时,传统分层模型层-2残差分布的假设不再成立。为了处理空间分层数据,将空间统计和空间计量经济模型的思想引入到分层模型中,既纳入分层的思想,又顾及空间相关性,提出了空间分层线性模型,并给出了其固定效应、方差协方差成分和空间回归参数的最大似然估计,在运用EM算法时,结合运用了Fisher得分算法。     

空气质量对生活满意度的效应研究——基于序数分层空间自回归Probit模型

在居民生活满意度的相关研究中,除考虑人口学特征外,越来越多的实证同时考虑了微观个体所处的宏观环境,对这类呈嵌套结构的分层数据需构建分层统计模型,但传统的分层统计模型未考虑真实的空间依赖。本文将分层统计模型和空间自回归模型相结合,创新性地构建了四种序数分层空间自回归Probit模型,该类模型能够合理地对因变量为序数且存在空间依赖情况并呈分层结构的数据进行建模,模型可避免忽略真实的空间依赖对模型估计的不利影响,且能够对高层组间的空间效应和低层个体间的空间效应区别对待,更有利于模型的解释。最后,空气质量对居民生活满意度的效应实证研究表明:空气质量确实能够对生活满意度产生影响,居民对空气质量的认识和要求并非孤立地局限于本地,而是对一个区域空气质量的空间综合结果。对比2018年和2016年模型结果可知:空气质量的福利效应无法被其他民生福祉因素所取代,并且随着空气质量相关统计信息的高度开放和广泛传播,居民更加重视空气质量,也形成了更加全局的了解。     

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。     

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。     

基于偏正态随机效应模型的信度保费

信度模型是非寿险经验费率厘定的主要方法。传统的Buhlmann-Straub信度模型可以表示为随机截距模型,而随机截距模型假设随机效应服从正态分布。在实际的保险损失数据中,部分个体风险的损失可能远远高于总体平均水平,从而使得不同个体风险之间的风险差异呈现右偏特征。在这种情况下,Buhlmann-Straub模型有可能低估高风险的信度保费。本文在随机截距模型中假设随机效应服从偏正态分布,求得了偏正态随机效应假设下的信度保费。可以证明,Buhlmann-Straub信度保费是其特例。模拟分析和实证研究的结果都表明,偏正态随机效应假设下的信度模型可以更好地预测高风险的信度保费,从而改进传统信度模型的保费估计结果。     

基于HLM2的算例分析及其在中国非寿险精算中的思考

随着保险业务的拓展和深化,财产保险中越来越多地出现具有相关性和层次性的保险数据.分层线性模型对此类数据的处理能充分地体现在数据的分析中,在国际精算领域中的应用处于起步阶段.文章分析了分层线性模型具有二层、三层结构的数据特点,采用线性混合模型和分层线性模型方法,完成了二层结构数据的模型构建、实现与比较.     

基于结构张量空间模型的文本分类

在自然语言处理中,将非结构化的文本数据表示成结构化数据是文本处理工作的基础,文本表示的优劣对后期文本处理的效果有直接的影响。提出一种新的结构化文本表示模型——结构张量空间模型,该模型将文本按照其自身的层次含义进行分层表示,相比较于传统的文本表示模型,更充分地体现文本的结构信息。研究了基于结构张量空间模型的文本分类问题,实验结果表明,在小样本数据下,结合结构张量空间模型的分类器性能更好。     

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。     

三层要素类结构驱动的空间基尼系数自动批量计算方法

为了避免对空间基尼系数计算模型的误解和错用，克服传统计算方法的不足，文章首先从绝对和相对两个视角系统分析了空间基尼系数计算原理及主要计算模型；然后，提出了一种三层要素类结构驱动的自动批量计算方法，并以基于信息熵的绝对空间基尼系数的计算为例，详细阐述了在Geodatabase环境下三层要素类结构的字段组成及其关联关系，具体描述了利用ModelBuilder可视化建模技术实现所提方法的模型工具构建方式与执行流程；最后，通过自制与实际数据对所提方法及工具进行了实验验证。实验结果表明：该方法能够在大量数据环境下快速获得多个研究区的空间基尼系数，具有自动化程度及运行效率高、计算处理过程以图形化工作流的形式直观呈现、无需编程、便于共享、重复使用等优势。     

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。     

基于空间模型的小域估计方法

小域估计成为当今抽样调查的热点问题之一，日益受到社会各界的关注。小域估计多采用基于模型的估计方法，其中以线性混合模型最为普遍，这种模型通常假定域随机效应是独立的。但是，在实际各个域之间往往表现出一定的空间相关性，并且这种相关性随着距离的增加而减小，若忽视这种空间效应，估计的精度会大大的降低。本文运用域随机效应为空间相关的空间模型来解决空间数据下的小域估计问题，并用基于这种空间模型的权数的方法得到了目标变量的稳健估计量，很大程度上提高小域估计的精度，是一种比较好的小域估计方法。     

空间面板数据模型设定问题分析

空间面板数据模型将空间计量经济学和面板数据方法相结合,不仅同时考虑时空特征,而且将空间效应纳入研究体系,成为当前计量经济学的热点研究领域,但其模型设定、参数估计及模型检验也更为复杂,实证研究中往往出现模型设定偏误等问题。因此,基于空间面板数据模型的前沿理论,重点探讨模型设定中的常见问题,包括空间滞后模型与空间误差模型的选择、随机效应与固定效应的选择以及模型拟合优度的选择与比较,为模型的应用和新模型的扩展提供理论依据和参考。     

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。     

中部六省地级市区金融发展与经济增长的空间面板分析

面板数据模型从基本形式拓展到空间面板数据模型,体现了时空特征整合的经济计量建模发展方向.从数据生成过程的时空依赖特征来看,结合传统的统计模型、空间统计模型与空间面板数据模型能够挖掘更加全面的数据信息,揭示经济金融活动的空间自相关性与空间集群性.基于地级市区数据的空间统计与计量经济分析结果表明:中部六省的金融发展与经济增长的空间依赖关系是统计显著的,并为深入进行整合时空特征的区域金融与经济增长关系的统计与计量建模分析提供了有利的证据支持.     

学区房真的重要吗?——基于国际学生评估项目(PISA 2015)数据的分析

目前,学区房对子女教育影响研究仍有很大的讨论空间。利用2015年国际学生能力评估项目(PISA)中国数据,采用多元线性回归和多层随机截距模型分析学校对青少年能力发展的影响,结果表明:在控制了其他变量后,学校因素起到了积极显著影响;学校质量是判定学区房教育投资的重要标准,在当前就近入学政策下父母通过购置优质学区房可使子女间接获得优质教育资源,并对子女能力的发展起到一定的积极效果,但学校因素仅解释了8.5%的随机效果;青少年能力发展还受到自身特质以及家庭的影响,学校因素并不能单方面起到决定性作用,因此无需夸大优质学区房的教育投资效用。     

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。     

中国区域碳排放强度的空间计量分析

在对中国2000-2012年30个地区的碳排放强度数据进行估算的基础上,利用Moran’I空间自相关统计量检验了历年各地区的碳排放强度之间的空间自相关性,在空间自相关检验的基础上,以STIRPAT模型为理论基础,利用空间滞后模型研究了各种影响因素对中国区域碳排放强度的影响。结果表明：历年各地区的碳排放强度之间均存在着明显的空间自相关性;人口结构、能源强度、能源结构和产业结构这四项因素是中国碳排放强度的主要影响因素。     

分层线性模型层-1自变量中心化问题研究综述

层-1自变量中心化方法的选择是分层线性模型中的一个关键问题,它直接影响到模型参数的估计和解释.国外已有很多学者对其进行了理论和实践方面的研究,但是在实证研究中选择适当的中心化方法仍然存在困难,为能够给研究人员提供一点参考依据,在给出两层模型自变量的三种主要中心化方法以后,回顾了分层线性模型中层-1自变量中心化产生的影响,总结了具体应用中不同中心化方法的适用情况和如何进行选择的一些建议.     

中国省域人口城镇化率影响因素的空间杜宾分析

文章基于全国31个省区1998-2014年的相关数据,利用空间杜宾模型进行了实证分析.结果表明:人口城镇化率具有空间自相关性.随机效应的SDM结果显示:城镇固定资产投资比重、经济外向度、信息化水平、人均受教育程度对本省区的直接效应为正,但是第三产业产值比重的直接效应为负;从间接效应来说,三产产值比重与城镇固定资产投资比重在相邻省区之间体现为竞争关系;经济外向度、信息化水、人均受教育水平则为互补互促关系,且省域人口城镇化率具有明显的正外溢效应.