Nonparametric Instrumental Variables Estimation of a Quantile Regression Model

We consider nonparametric estimation of a regression function that is identified by requiring a specified quantile of the regression “error” conditional on an instrumental variable to be zero. The resulting estimating equation is a nonlinear integral equation of the first kind, which generates an ill‐posed inverse problem. The integral operator and distribution of the instrumental variable are unknown and must be estimated nonparametrically. We show that the estimator is mean‐square consistent, derive its rate of convergence in probability, and give conditions under which this rate is optimal in a minimax sense. The results of Monte Carlo experiments show that the estimator behaves well in finite samples.     

研究与人口变量有关的健康问题是新世纪深化人口研究的必然趋势

许多人口现象如生育、死亡、寿命、年龄、性别等都是以人口的生物属性为自然基础的。因此人口变量必然与健康问题密切相关。伴随社会进步与社会实践的深入 ,人们对人口变量的认识也正不断深化与拓展。人口科学必须要研究与人口变量有关的健康问题 ,才能透视人口现象的来拢去脉、前因后果 ,才能摸清和掌握人口变化的规律。因此 ,通过多学科的相互合作与互相渗透 ,研究与人口变量有关的健康问题是新世纪深化人口研究的必然趋势 ,也是2 1世纪人口科学研究的亮点之一     

“忧郁的孩子们”：课外补习会带来负向情绪吗？——基于中国教育追踪调查（CEPS）两期数据的因果推断

本文关注中国大陆中学生课外补习参与及其负向情绪生成的因果关系。本文基于中国教育追踪调查两期数据,借助工具变量等方法来化解内生性偏误,在量化层面上回答了课外补习参与“是否致郁”以及“使谁抑郁”等问题。本研究主要发现如下：其一,课外补习参与对中学生的情绪健康状况具有显著的“致郁效应”,但这种效应主要存在于家庭背景占劣势的较低阶层的子女当中,而家庭背景具有优势的较高阶层的子女对此类负向情绪有更强的抵御能力,表现出了“心理免疫”的现象;其二,本文从“情绪调节”的角度入手,对“致郁效应”的阶层异质性做出了进一步解释。研究结果有助于我们深入理解课外补习参与可能具有的健康不平等意涵。     

俄罗斯人口高死亡率论析

当代俄罗斯的人口死亡率转变与世界趋势相比,有很大的不同。介绍俄罗斯人口死亡率的测量指标,分析对其产生影响的变量,得出几点结论。苏联20世纪50年代以前人口死亡率高首先是外生变量作用的结果,当代俄罗斯人口死亡率高,内生变量的因素上升为第一位,但是外生变量作用的结果也不容忽视。尽管俄罗斯国内普遍认识到高死亡率给国家安全带来的危害程度并不亚于20世纪90年代初期实行的"休克疗法",但是,这种高死亡率的人口态势是俄罗斯无法避免的一个发展阶段,有其必然性。     

社会养老模式下的老年人医疗消费行为--基于模糊断点回归的分析

应用CHARLS 2011／2013全国基线调查数据,研究我国现行社会养老对老年人医疗消费行为的影响。模糊断点回归结果显示,养老金提高了老年群体的住院医疗服务利用,有效挤入了老年人的医疗服务消费,而且与基本医疗保险存在互补作用;进一步研究证明,养老金对家户医疗消费水平没有显著影响,但是改变了家庭消费结构,增加了个人医疗支出占家户总消费的比例,一定程度上缓解了老年参保群体的家庭医疗开支压力。因此,政府在实现社会保障体系全民覆盖的同时,有必要探索适合我国国情和传统文化的社会养老保障体系,实现养老模式的互补,缓解人口老龄化对基本养老账户和医保基金支付的潜在压力,促进基本养老保险、企业年金和商业保险三大支柱比例的合理化,提高养老保障水平,形成社会养老保险的长效机制。     

Regularized robust estimation in binary regression models

In this paper, we investigate robust parameter estimation and variable selection for binary regression models with grouped data. We investigate estimation procedures based on the minimum-distance approach. In particular, we employ minimum Hellinger and minimum symmetric chi-squared distances criteria and propose regularized minimum-distance estimators. These estimators appear to possess a certain degree of automatic robustness against model misspecification and/or for potential outliers. We show that the proposed non-penalized and penalized minimum-distance estimators are efficient under the model and simultaneously have excellent robustness properties. We study their asymptotic properties such as consistency, asymptotic normality and oracle properties. Using Monte Carlo studies, we examine the small-sample and robustness properties of the proposed estimators and compare them with traditional likelihood estimators. We also study two real-data applications to illustrate our methods. The numerical studies indicate the satisfactory finite-sample performance of our procedures.     

On a generalization of the test of endogeneity in a two stage least squares estimation

In situations that the predictors are correlated with the error term, we propose a bridge estimator in the two-stage least squares estimation. We apply this estimator to overcome the multicollinearity and sparsity of the explanatory variables, when the endogeneity problem is present.The proposed estimator was applied to modify the Durbin-Wu-Hausman (DWH) test of endogeneity in the presence of multicollinearity. To compare our modified test with the existing DWH for detection of an endogenous problem in multi-collinear data, some numerical assessments are carried out. The numerical results showed that the proposed estimators and the suggested test perform better for the multi-collinear data. Finally, a genetical data set is applied for illustration the our results by estimating the coefficients parameters in the presence of endogeneity and multicollinearity.     

农民集中居住意愿的影响因素分析--基于山东省26个乡镇的调查研究

在对山东省26个乡镇的农民集中居住情况进行问卷调查的基础上,采用了有序因变量模型,通过对Probit、Logistic和Extreme value三种模型回归结果的对比分析,得出了影响农民集中意愿的主要因素及内在机理。研究表明：农民的经济状况、受教育水平、政府补贴力度和社会保障的完善程度均对集中居住意愿有显著的正向影响,而年龄、对基础设施的满意程度和购买新型社区的房价与农民的集中居住意愿呈负向关系。建议地方政府要把尊重农民的意愿放在首位,根据当地实际情况适度地开展集中居住建设。     

C/C 程序设计中指针的运用

面向过程的C语言和面向对象的C 语言中都引入了指针的概念。指针是C/C 中特性较强、功能较好的应用之一。然而指针也是C/C 中最不容易理解和掌握的概念。本文针对C/C 中的指针原理及使用方法做了较为系统的论述,并对其应用进行了系统的归类,对每一种应用都用实例加以阐述,为学习C/C 指针的相关知识提供了快捷有效的方法。     

可变参数动态灰色预测模型的建立与实证研究

在固定参数动态灰色预测模型基础之上进行改进,提出了可变参数动态灰色预测模型.固定参数动态灰色预测模型的参数值为0.5,可变参数动态灰色预测模型的参数值由预测对象的影响因素来决定.根据对我国集成电路产业的应用研究,说明了可变参数动态预测模型具有更好的预测精度.同时,针对可变参数动态灰色预测模型的计算量很大的特点,应用Java编制了应用软件,可以方便快捷地进行运算,有利于该模型的应用推广.