基于GMM的缺失数据回归模型的半参数估计

响应变量存在数据缺失的情况广泛出现在社会经济研究中,对响应变量存在数据缺失的回归模型提出了一个在矩估计框架下的单一的半参数估计量,这种估计量保留了参数回归估计量与非参数匹配估计量的特性,从而使得该估计量既能在响应变量被观测的子样本中保持较好的拟合性,又能够降低响应变量未被观测的子样本的估计误差,并且证明了这种估计量是一致、渐进正态估计量。     

内生初始假定下动态空间固定效应模型的拟极大似然估计

 本文提出了基于初始值为内生确定下的动态空间固定效应模型,综合考虑了可直接观测和不可直接观测或无法观测的空间效应;推导了模型参数拟极大似然估计量具有的渐近性质及其渐近分布。对参数估计量性质的模拟检验结果表明,似然估计量的渐近性质随着样本容量的增加而改善,且其改善程度对时间维度变化较对空间维度变化更为敏感,在空间单元限定情形下有效增加时间维度可以显著改善估计量性质。中国省域经济收敛性的实证案例分析结果显示,本文构建的综合考虑双重空间结构的空间计量模型具有适用性和合理性。     

基于卡尔曼滤波估计的连续性抽样调查研究

 针对连续性抽样调查中如何提高连续调查数据准确性的问题,本文引入时间序列分析方法,分别考虑连续性抽样调查中的重复样本和轮换样本等不同情况,建立了连续性抽样调查下的状态空间模型,利用成熟的卡尔曼滤波估计方法给出了总体均值的估计量。由于状态空间模型及卡尔曼滤波估计方法能够充分利用各期连续样本的调查信息,给出了精度更高的估计量,从而能够产生更加准确的连续性时间序列数据。     

自变量可重复观测的线性回归模型研究

文章研究了自变量可作重复观测的线性回归模型.对固定自变量X采用重复观测,得到应变量Y的多个观测值,并利用其均值与X构成数对,建立起自变量重复观测的线性回归模型.讨论了这种模型在一元时的情形,实例分析结果表明,该线性回归模型的参数估计值的方差更小,较之传统回归模型更为有效.     

基于时间序列分析方法的连续性抽样调查研究

针对连续性抽样调查中如何利用过去各期的调查信息来提高现期抽样估计精度的问题，引入时间序列分析方法，分别考虑连续性抽样调查中重复样本和重叠样本等不同情况，建立了不同情况下的时间序列模型，利用成熟的时间序列分析方法给出了总体特征的线性组合估计量。由于时间序列分析方法能够充分利用以往各期的调查信息，从而能够给出精度更高的估计量。     

第三类Tobit模型的半参数估计方法

本文给出第三类Tobit模型的一种新的半参数估计方法。在独立性假设下,利用主方程和选择方程中可观察受限因变量的条件生存函数所满足的关系式,构造第三类Tobit模型参数的一步联立估计量。在已知选择方程中参数一致性估计量的条件下,这种方法也可用于构造主方程模型参数 的两步估计量。本文证明了所提出的一步联立估计量和两步估计量的一致性和渐近正态性。实验模拟表明,我们提出的估计量在有限样本下具有良好表现,且一步联立估计量的有限样本表现优于或接近于Chen（1997）的估计量。     

带异质线性趋势的动态二元选择面板模型估计

本文提出了带异质线性趋势的动态二元面板模型的极大似然偏误纠正估计量和近似条件Logit估计量。我们给出了通常极大似然估计量偏误的解析形式,并提供了相应的估计方法。小样本实验表明近似条件似然函数可以很好的消除异质性参数的影响,而偏误纠正估计量可以显著的修正极大似然估计量的偏误。最后我们将本文提出的方法应用到现金红利支付模型。     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...     

系统样本差估计量的优良性

文章证明了在超总体模型下,以期望均方误差作为衡量估计量的准则,系统样本差估计量要优于系统样本估计量。     

基于最佳线性无偏估计的模型权数的小域估计

文章介绍了一种基于EBLUP的模型权数的小域估计方法.这种估计方法一方面使小域的目标估计量是加权线性组合,从而使估计过程以及均方误的估计更加简单;另一方面得到的估计量不依赖于模型的假定,是一种稳健的估计量.文章还通过一个简单的模拟案例说明了这种估计量的稳健的性质,说明这种估计方法是一种非常符合实际调查情况的小域估计方法.     

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少.为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量.研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量.数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高.此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量.     

含无误差协变量的重复测量误差模型及其应用

文章讨论响应变量和部分协变量含测量误差的重复测量数据的建模和估计问题,获得参数极大似然估计的EM迭代算法以及估计量的渐近协方差矩阵,并利用Monte-Carlo模拟说明估计的有效性和模型的价值.最后,将研究理论用于处理气象数据的测量误差校正问题.     

计量变异性机制及其与抽样设计的整合研究

社会调查过程受众多来源因素的影响,计量结果普遍表现出变异特性,即使进行独立重复计量,对同一单位的计量结果往往也会不同。对计量变异性的研究要求在控制基本调查条件下进行重复调查计量;通过对计量影响因素进行分析,论证了在影响因素的不同组合下采用不同重复计量方式的合理性,并将对样本单位的计量结果视作随机变量的一次实现,与传统的抽样设计进行整合,从而可以在模型和估计量中充分体现计量变异性的影响。     

人口普查遗漏的组合式估计方法

以人口普查标准时点上的人口总体(全国、全国以下各行政区)为研究对象,研究如何利用对总体登记的普查人口名单和覆盖调查人口名单构造的组合式遗漏估计量估计人口普查遗漏⁽(1))人口数。目前各国政府统计部门在人口普查遗漏估计中主要使用单重遗漏估计量,但该方法未包括同时遗漏于这两份调查人口名单的双重遗漏人口,低估了总体普查遗漏人口数。组合式遗漏估计量除了包括单重遗漏人口外,还包括了双重遗漏人口,避免了单重遗漏估计量的缺陷。采取抽样估计和数理模型相结合的方法研究单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量,理论和数据分析结果表明：组合式遗漏估计量在抽样估计精度和遗漏人口数估计上优于单重遗漏估计量,尤其是在分析双重遗漏人口特征和改进未来人口普查登记工作等方面;在使用刀切法近似计算总体的组合式遗漏估计量的抽样方差时,不能忽视等概率人口层之间的协方差,否则可能低估或高估其抽样方差;单重遗漏估计量和组合式遗漏估计量属于有偏估计量,要使用均方误差比较其估计精度。本文创新之处在于,利用原始数据全面演示了单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量及其抽样方差估计量等的详细计算过程...     

随机效应空间滞后单指数面板模型

对随机效应空间滞后单指数面板模型,本文构建了该模型的截面极大似然估计方法,从理论证明和数值模拟两方面分别考察了其估计量的大样本性质和小样本表现。研究结果表明:(1)在大样本条件下,估计量均具有一致性,并且参数估计量具有渐近正态性。(2)在小样本条件下,各估计量依然具有良好的表现,其精度随着样本容量的增加而提高;空间权重矩阵结构的复杂性对空间相关系数的估计量影响较大,但对其他估计量的影响较小。     

不完全数据多重插补的Bootstrap方差估计

当对插补所得的“完整数据集”使用标准的完全数据统计方法的时候,往往会低估插补估计量的方差.Bootstrap方法(自助法)是非参数统计中的一种重要的统计方法,是基于原始观测数据进行重复抽样,能充分的利用已知数据,不需要对未知总体进行任何的分布假设或增加新的样本信息,进而再利用现有的统计模型对总体的分布特性进行统计推断.本文首先运用多重插补的方法对缺失数据进行了插补,之后利用Bootstrap方法对插补之后的数据进行了插补统计量的方差估计,结果表明运用Bootstrap方法进行插补统计量的方差估计更科学更准确.     

时变系数空间自回归面板数据模型的极大似然估计

本文对扰动项存在跨时期的异方差、但不存在序列相关的时变系数空间自回归模型提出了极大似然的估计方法,并证明了该估计量的一致性,同时,证明了该估计量渐进服从正态分布,由此说明该估计量具有优良的大样本性质。同时,我们还对本文所提出估计量的小样本性质进行了数值模拟。本文研究表明,估计量虽然在N较小时偏差较大,但是随着N的不断增加,估计量偏差减小,体现了比较优良的渐进性质。同时,估计量的偏差会随着时期数的增加而变大,这说明本文所提出的估计方法适用于个体数较多、时期数较少的短面板数据。     

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛.本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好.     

带异质线性趋势的二元选择面板模型偏误纠正估计

由于冗余参数问题,带异质线性趋势的二元选择面板模型参数的极大似然估计量存在严重偏误.为此,本文利用泰勒展开式推导了估计量偏误的期望,根据偏误的表达式构造了两种偏误纠正估计量.小样本模拟发现,对于较小的T,偏误纠正方法可以显著地减小参数的偏误.     

纵向数据下半参数回归模型估计的渐近性质

文章考虑纵向数据下半参数回归模型Yij=XTijβ g(Tij) εij,利用Profile加权最小二乘法和局部线性拟合方法建立了模型中参数分量β和非参数分量g(·)的估计量。在适当的条件下,给出了估计量的渐近性质。