空间随机截距模型及其参数估计

空间分层数据因为地理位置的原因,层与层之间会具有空间依赖性,区别于传统的分层数据。首先,文章将空间自相关的思想引入到随机截距模型中,在层-2模型中加入空间参数来反映空间自相关性,构建了空间随机截距模型;然后,针对空间随机截距模型,给出了基于EM算法和Fisher得分的最大似然估计。     

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。     

基于分层模型的缺失数据插补方法研究

大规模抽样调查多采用复杂抽样设计,得到具有分层嵌套结构的调查数据集,其中不可避免会遇到数据缺失问题,针对分层结构含缺失数据集的插补策略目前鲜有研究。本文将Gibbs算法应用到分层含缺失数据集的多重插补过程中,分别研究了固定效应模型插补法和随机效应模型插补法,进而通过理论推导和数值模拟,在不同组内相关系数、群组规模、数据缺失比例等情形下,从参数估计结果的无偏性和有效性两方面,比较不同方法的插补效果,给出插补模型的选择建议。研究结果表明,采用随机效应模型作为插补模型时,得到的参数估计结果更准确,而固定效应模型作为插补模型操作相对简便,在数据缺失比例较小、组内相关系数较大、群组规模较大等情形下,可以采用固定效应插补模型,否则建议采用随机效应插补模型。     

分层线性模型的最大后验估计

最大后验估计（MAPE）和最大似然估计（MLE）都是重要的参数点估计方法。在介绍一般分层线性模型（HLM）MAPE方法的基础上,给出这种方法的期望最大化算法（EM）的具体步骤,运用对数似然函数的二阶导数推导了MAPE估计的方差估计量。同时运用数据模拟比较了EM算法下的MAPE和MLE。对于固定效应的估计,两种方法得到的估计量是一致的。当组数较少时,EM计算的MAPE的方差协方差成分比MLE的更靠近真实值,而且MAPE的迭代次数明显小于MLE。     

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。     

凸约束广义线性模型参数MLE估计的收敛性研究

文章针对评估过程中建立的凸约束广义线性回归模型,研究了利用EM算法作出的模型参数的极大似然估计(MLE)的收敛性,为该模型的深入研究打下了基础。     

考虑时间限制的顾客无条件退货策略模型

基于顾客策略行为,文章主要研究了带时间限制的顾客无条件退货策略问题。首先,分析了策略型顾客的购买和退货行为,得出了顾客可接受的产品最高销售价格;其次,对商家收益建立数学模型,并由模型求解得出商家最优的产品退货价格和初始库存;最后,用MATLAB软件对文中结论进行了数值分析。     

基于EM算法的异方差性Markov机制转换模型的估计

文章将EM算法引入到对异方差性Markov机制转换模型未知参数的估计,并将研究结果运用到我国股票收益率数据的分析,结果表明,该方法很好地拟合了我国股票收益率的波动性特征.该方法为金融波动问题的未知参数估计提供了新的研究思路.     

关于分层线性模型样本容量问题的研究

文章运用lackknife和Bootstrap的方法,对参数估计的方差进行改进,构造了合适的参数估计的置信区间.通过样本组数和组内个体数的变化,利用数据模拟的方法进行研究,表明参数估计的可靠性很大程度上依赖于组数;对于固定效应参数,组数取30就可以得到可靠的估计值.对于σ和方差协方差成分T,组数分别取50和70才能得到可靠的估计.     

面板数据插值的线性组合模型及其实证

针对面板数据插值问题,分别从截面数据和时间序列数据的角度,建立截面数据插值的克立格(Kriging)模型和时间序列数据插值的遗传神经网络(GABP)模型.在此基础上建立面板数据插值的线性组合模型,提出空间漂移度法确定组合插值模型的加权系数.对2007年福建部分市县人均GDP的插值的实证研究结果表明:面板数据的线性组合模型插值效果优于单项模型插值的效果.     

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。     

商品住宅价格上涨的空间自回归模型及其实证

文章以空间计量经济模型为基础,选取1998~2009年以北京为中心的8个城市的面板数据,检验城市之间商品住宅价格是否存在空间依赖性并进一步分析影响商品住宅价格上涨的主要因素,最后对这8个城市商品住宅价格进行Granger因果检验。研究结论既能为商品住宅价格的形成机理奠定了理论基础,同时为政府宏观调控提供参考。     

高频数据驱动的连续时间模型估计

现代金融经济学中连续时间模型能够更方便地描述重要经济变量的动态过程如股价、汇率和利率等。为连续时间模型提出了一种高频数据驱动的二阶段估计方法,增强了连续时间扩展模型的弹性和可操作性。以Vasicek模型为例给出了该方法的应用实例,首先在第一阶段使用实现波动率方法估计出模型的扩散项参数,然后使用实际数据的稳态分布的前向方程估计漂移项参数。此方法对模型初始设定和优化算法依赖程度低,结果较为稳定可靠。     

基于EM算法的知情交易概率估计

知情交易在金融市场微观结构中扮演了重要角色,而估计知情交易概率的传统方法仍存在一些不可克服的障碍。通过借鉴EM算法的思路并重新设计EKOP模型中参数的估计方法,对模拟数据和市场交易数据进行估算的结果表明,基于EM算法的知情交易概率估计相比以往对似然函数因子化的处理方式,在避免数值溢出和估算效率两方面都有明显改善,这为正确认识市场内部的知情交易水平提供了有力工具。     

在非高斯状态空间模型下对SCD模型的估计

高频超高频时间序列的分析与建模成已为计量经济的一个全新研究领域,而研究金融市场中交易事件到达时间的随机条件持续期SCD模型,因为加入了随机变量,可以更好地拟合高频超高频金融时间序列特有的统计特征,但随机变量的引入给模型估计带来了估计困难。考虑到非高斯状态空间模型与随机条件持续期SCD模型各自的优势,文章将SCD模型转换成非高斯状态空间模型,从而利用非高斯状态空间框架下的Kalman滤波解决了SCD模型的估计难题。     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。     

正态方差混合分布新息GARCH模型的EM估计

近来,人们对实际数据使用厚尾分布进行建模颇感兴趣。一种流行的考虑就是所谓的广义自回归条件异方差(GARCH)模型。不幸的是,在一些应用中正态新息的GARCH模型的尾部不够厚。文章提出新息为正态方差混合分布的GARCH模型并给出了使用EM算法对模型参数作估计的步骤。结果表明,新息为正态方差混合新息分布的GARCH模型比正态新息的GARCH模型有更厚的尾部,因而更能捕捉实际数据中的厚尾特征。文章还以上证指数为例阐述了这一结论。     

缺失数据多重插补处理方法的算法实现

文章在简要介绍EM算法的基础上,对MCMC算法,特别是DA算法实现缺失数据补全做了深入探讨,介绍了DA算法迭代模拟过程,并对DA算法与EM算法进行了比较。