面板数据的自适应Lasso分位回归方法研究

如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。     

农业基础设施规模效应的门槛特征检验

文章基于2000-2013年中国29省、区面板数据,利用面板平滑转换模型(PSTR)选取农业基础设施规模(农业基础设施/农业产值)作为转换变量,分析了农业基础设施与农业经济增长之间的相互关系,并以旱涝保收比率(旱涝保收面积/耕地面积)作为转换变量的替代变量对模型稳定性进行了检验.研究结果表明:农业基础设施规模与农业经济增长之间存在稳定的非线性关系,发生门槛转换的位置为54.72％;当跨越门槛位置后,提高农业基础设施规模对农业经济增长的影响将由正向转变为负向,转换过程相对缓慢.     

贝叶斯隐马尔科夫异质面板模型及应用研究

针对不可观测异质性非时变假设导致的删失变量偏差及推断无效问题,构建贝叶斯隐马尔科夫异质面板模型,刻画截面个体间的动态时变不可观测异质性,诊断经济系统环境中可能存在的隐性变点,设计相应的马尔科夫链蒙特卡洛抽样算法估计模型参数,并对中国各地区的金融发展与城乡收入差距关系进行实证分析,捕捉到金融发展与城乡收入差距间长期稳定关系的隐性变化,发现了区域个体不可观测异质性存在的动态时变特征。研究结果表明各参数的迭代轨迹收敛且估计误差非常小,验证了贝叶斯隐马尔科夫异质面板模型的有效性。     

面板数据的可加分位回归模型研究与应用

本文在贝叶斯分析的框架下讨论了面板数据的可加模型分位回归建模方法。首先通过低秩薄板惩罚样条展开和个体效应虚拟变量的引进将非参数模型转换为参数模型,然后在假定随机误差项服从非对称Laplace分布的基础上建立了贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,论文给出了所有待估参数的条件后验分布,并构造了待估参数的 Gibbs抽样估计算法。计算机模拟仿真结果显示,新提出的方法相比于传统的可加模型均值回归方法在估计稳健性上明显占优。最后以消费支出面板数据为例研究了我国农村居民收入结构对消费支出的影响,发现对于农村居民来说,无论是高、中、低消费群体,工资性收入与经营净收入的增加对其消费支出的正向刺激作用更为明显。进一步,相比于高消费农村居民人群,低消费农村居民人群随着收入的增加消费支出上升速度较为缓慢。     

FDI对我国各地区经济增长的非线性效应分析

本文运用面板平滑转换(PSTR)模型研究国外直接投资(FDI)对我国各地区经济增长的非线性效应。选取了FDI及影响FDI的市场规模、基础设施、产业结构等8个变量作为解释变量构建单因素和多因素PSTR模型。结果表明我国经济增长与FDI之间存在着平滑转换机制效应;FDI对经济增长的影响是非线性的;FDI是我国各地区经济增长的充分条件,但不是必要条件。     

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。     

利用M-H算法求解Logistic回归模型参数的贝叶斯估计

文章以航天飞机在不同温度下发射密封圈的失效数据为例,采用随机游动与变量变换M-H算法获得Logistic回归模型参数的后验分布样本并进行贝叶斯分析.同时,进行蒙特卡洛模拟,通过样本轨迹图、直方图、自相关系数图等考查M-H算法的抽样表现,并讨论每种抽样方法的优缺点与提高措施.结果表明:先验分布的选取直接影响贝叶斯估计效果,有先验信息的M-H算法估计的标准差比无先验信息的M-H算法要精确,但随着样本容量增大,趋势在减少,适当的建议分布与变量变换可大大提高M-H算法的抽样效率.     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。     

基于Gibbs抽样算法的面板数据分位回归方法

 文章讨论了含有随机效应的面板数据模型,利用非对称Laplace分布与分位回归之间的关系,文章建立了一种贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,文章给出了Gibbs抽样算法下模型参数的点估计及区间估计,模拟结果显示,在处理含随机效应的面板数据模型中,特别是在误差非正态的情况下,本文的方法优于传统的均值模型方法。文章最后利用新方法对我国各地区经济与就业面板数据进行了实证研究,得到了有利于宏观调控的有用信息。     

面板数据的贝叶斯Elastic Net分位数回归方法及其应用研究

本文首次将Elastic Net这种用于高度相关变量的惩罚方法用于面板数据的贝叶斯分位数回归,并基于非对称Laplace先验分布推导所有参数的后验分布,进而构建Gibbs抽样。为了验证模型的有效性,本文将面板数据的贝叶斯Elastic Net分位数回归方法(BQR. EN)与面板数据的贝叶斯分位数回归方法(BQR)、面板数据的贝叶斯Lasso分位数回归方法(BLQR)、面板数据的贝叶斯自适应Lasso分位数回归方法(BALQR)进行了多种情形下的全方位比较,结果表明BQR. EN方法适用于具有高度相关性、数据维度很高和尖峰厚尾分布特征的数据。进一步地,本文就BQR. EN方法在不同扰动项假设、不同样本量的情形展开模拟比较,验证了新方法的稳健性和小样本特性。最后,本文选取互联网金融类上市公司经济增加值(EVA)作为实证研究对象,检验新方法在实际问题中的参数估计与变量选择能力,实证结果符合预期。     

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。     

贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究

本文基于时空模型和非对称拉普拉斯分布提出一种新的时空分位回归模型.本文主要将空间域利用薄板回归样条展开,结合混合模型与样条之间的关系,得到分层贝叶斯分位回归模型.利用MCMC算法得到参数的后验分布,并对模型中系数的空间域进行预测.本文同时融合降秩近似的方法,简化了计算复杂度.区别于已有时空分位模型,本文考虑了协变量对因变量影响的空间分布特征,并非直接对时间或空间效应整体进行建模,有利于深入研究协变量与因变量之间的空间结构关系.数值模拟结果表明,预测的空间域与真实的空间域十分接近,并在不同分位水平下,有效地估计了协变量影响的空间效应差异.最后将该模型应用于北京市PM2.5浓度的研究,分析气象因素对PM2.5浓度影响的空间分布特征.     

人民币实际汇率中的马尔可夫转换行为

一、引言在过去的二十年里 ,非线性时间序列模型不断发展 ,并正日益广泛地被应用于各种经济和金融时间序列变量的研究之中。除了阈值自回归模型和平滑过渡自回归模型外 ,马尔可夫转换模型也是一种非常重要和流行的非线性制度转换模型。在汇率研究中 ,这三种制度转换模型均被学者们用于对汇率的非线性动态行为特征进行分析。马尔可夫转换模型与前两者相比 ,最大的特点就在于不同制度之间发生转化的随机过程是由不可观察的制度变量所控制 ,且该制度变量是遵循一个马尔可夫链运动的。使用二制度马尔可夫转换模型对实际汇率进行建模的基本出发点…     

中国宏观经济与股市动态关系研究:1998-2007

文章采用贝叶斯向量自回归计量经济模型,检验了1998年1月-2007年12月的上证A股指数月度收益与6个主要宏观经济变量之间的相关关系.结果显示股指收益与工业增加值正相关,与CPI以及长期利率负相关.但与货币供应量、出口额、投资等变量相关性不明显.根据估计得到的贝叶斯向量自回归模型进行预测,进一步显示了CPI对股市的影响关系.     

基于贝叶斯搜索方法的TAR模型研究

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致.     

基于PSTR估计方法的省域间资本流动测算

在Feldstein-Horioka框架下,文章基于面板平滑转换估计(PSTR)方法对1998-2014年中国省域间资本流动进行了估算.基于PSTR模型,测算得到各个省份在地区和时间维度上的储蓄系数.研究发现,国内投资和储蓄的关系是非线性的;储蓄系数并不能划分为若干组,而是必须通过一个连续的转换机制.     

含非随机缺失数据的面板数据参数估计方法

抽样调查领域常采用对多个受访者进行跟踪调查得到面板数据,进而对总体特性进行统计推断,在面板数据中常含缺失数据,大多数处理面板缺失数据的软件都是直接删去含缺失值的受访者以得到完全数据集,当数据缺失机制为非随机缺失时会导致总体参数估计结果有偏。本文针对数据缺失机制为非随机缺失情形下,如何对面板数据进行统计分析进行了阐述,主要采用的是基于模型的似然推断法,对目标变量、缺失指示变量和随机效应向量的联合分布建模,在已有选择模型和模式混合模型的基础上,引入随机效应,研究目标变量期望的计算方法,并研究随机效应杂合模型下参数的估计方法,在变量分布相对简单的情形下给出了用极大似然法推断总体参数的估计步骤,最后通过模拟分析比较方法的优劣。     

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。     

人民币实际有效汇率波动的特征

在过去的20年里,非线性时间序列模型发展迅速,正日益广泛的被应用于各种经济时间序列特别是金融时间序列变量的研究.其中,STAR(Smooth Transition AR)模型,即平滑转换自回归模型就是非常重要的非线性领域转换模型.STAR模型首先是由Terasvirta& Anderson(1992)提出,后经Granger& Terasvirta(1993)和Terasvirta(1994)对模型的估计及统计特征进行了考察.尽管如此,在模型的应用方面,国内外都很少有将STAR模型应用于实际汇率特别是实际有效汇率的研究,而Michael(1997),N.Sarantis(1999)在这方面的研究也主要是针对发达国家.