AN EXACT CONDITIONAL TEST FOR COVARIANCE SELECTION MODELS

An exact conditional test is developed for testing the absence of an edge in a graphical covariance selection model and is shown to be equivalent to a test based on the partial correlation coefficient. An example is given.     

含结构突变的城镇居民消费收入的长短期关系

考虑到改革开放以来的制度变迁因素,本文采用Gregory和Hansen等首先提出的考虑结构突变可能性的5种模型对1978-2007年我国城镇居民的消费收入进行了Gregory-Hansen协整检验,为了进一步验证检验结果的可靠性我们基于不同方法检验了变结构协整关系的存在性和协整向量的稳定性。实证结果表明：转轨时期我国城镇居民人均收入与消费之间确实存在着含时间趋势的水平项漂移的协整关系。在此基础上我们又建立了消费收入的误差修正模型,由此可以看出消费者会根据长期均衡关系很快调整消费,故刺激消费的短期政策从长远来看是无效的,要扩大消费只有依靠在提高居民可支配收入的同时建立完善的社会保障体制。     

人力资本对经济增长的直接贡献与间接贡献研究——以上海市与北京市为例

从内生经济增长理论出发,基于卢卡斯人力资本模型的人力资本对经济增长的贡献,可以分解为直接贡献和间接贡献。为了说明该理论,从人力资本要素角度,以改革开放30年以来的上海与北京为对象进行实证研究,通过对各种要素在不同时期对经济增长的贡献进行分解,发现上海与北京经济快速增长有其内生性原因,其中人力资本的作用明显,尤其是人力资本的间接贡献作用大于直接贡献,而北京的间接贡献作用比上海更为显著。通过带约束的回归检验,验证了两个城市人力资本间接贡献都十分显著。     

多水平模型及静态面板数据模型的比较研究

对两水平模型与静态面板数据模型进行对比分析：多水平模型主要用于分析具有层次结构的统计数据,面板数据模型是针对面板数据而提出的一种应用广泛的计量经济模型。面板数据可以看成是具有截面水平与时间水平的两层数据,两水平模型也能对面板数据进行分析,在一定条件下具有一定的相似性。因此,提出多水平的静态面板数据模型,为分析具有多个层次结构的面板数据提供分析工具。     

一种适用于非齐次指数增长序列的直接型离散灰色模型

基于灰色模型的背景值表达式及非齐次指数增长序列的形式1,得到了一种一次累加序列与原始序列的关系,给出了系数确定方法,获得了适用于非齐次指数增长序列的直接型离散灰色模型,并给出了系数确定的方法。实例研究表明：本优化模型不仅具有可操作性,而且精度高,效果好。     

基于状态空间模型的货币流动性与股价关系的实证研究

货币流动性与股价波动之间相互影响的关系一直是学术界争论的热点。利用变参数状态空间模型,研究货币流动性与股价之间的动态关系。研究结果表明：M2增长率／GDP增长率对股价的影响不大;M2与股价的波动从长期和短期来看均存在单向因果关系,而利率与股价波动只是短期存在单向因果关系,但相对于货币供应量而言,利率对股价的波动更为敏感。     

陕西省税收与经济增长关系的协整分析

基于税收与经济增长的相关理论和陕西省1994—2007年税收与GDP的相关数据,对税收收入与GDP历史数据进行平稳性检验、格兰杰检验和协整检验,建立陕西省税收与GDP的误差修正模型。研究结果表明：陕西省的税收与GDP存在长期的协整关系,并且从模型可知,当GDP增长1%时,陕西省税收增长1.286 823%;经济增长是税收增长的格兰杰原因,但是税收不是GDP的格兰杰原因。     

宏观经济统计数据质量的静态诊断

统计数据的真实性是统计的生命线,统计数据质量的高低直接影响统计信息的有用性及价值大小。统计数据质量是当今各级政府和公众关注的热点问题,也是学者研究的重点课题。本研究运用全国31个省市的截面数据,构建了基于区域宏观经济系统的联立方程定量诊断模型,依据此模型对陕西省的地区生产总值、财政收入、居民消费水平和固定资产投资指标进行诊断示范,结果显示构造的定量诊断模型对于区域宏观统计数据质量诊断效果良好。     

Is regression adjustment supported by the Neyman model for causal inference?

This paper examines both theoretically and empirically whether the common practice of using OLS multivariate regression models to estimate average treatment effects (ATEs) under experimental designs is justified by the Neyman model for causal inference. Using data from eight large U.S. social policy experiments, the paper finds that estimated standard errors and significance levels for ATE estimators are similar under the OLS and Neyman models when baseline covariates are included in the models, even though theory suggests that this may not have been the case. This occurs primarily because treatment effects do not appear to vary substantially across study subjects.