论稳健的财政政策

稳健的财政政策,是介于扩张与紧缩之间的一种财政政策,它不是总量的反周期操作,只是一种结构性的导向性操作。稳健的财政政策是以“缩债减支”为特征、以防止通货膨胀为主要目标的具有“紧缩性”实质的财政政策。实现财政政策由“积极”到“稳健”的转型,必须实施以“控制赤字、调整结构”为核心的财政支出政策,同时,迅速启动新一轮税制改革。     

位置参数的同时估计

在平方损失下，考虑ｐ（ｐ≥３）个位置参数的同时估计．对均匀分布、双指数分布给出了控制通常估计量的改进估计量，推广了Ｓｈｉｎｏｚａｋｉ（１９８４）的主要结果．     

以科学发展观 促进向稳健财政政策的转向

稳健原则也即中性原则是一个政策目标。也并非绝对的不偏不倚，正如相对税收中性论。从微观机制与宏观导向相结合角度来诠释社会主义税收中性与税收调控两者矛盾统一关系。现阶段中性财政政策意味着保持财政收支规模不人为扩张或压缩。保持财政收支的相对平衡，因此对中性财政政策不应该作绝对理解。而应该从相对中性意义上理解。即宏观总量中性影响与宏观结构调控的对立统一。公共财政论作为在市场经济条件下特殊的运行论。是有值得正处于向市场经济转轨时期的我国借鉴的地方。[编者按]     

我国财政政策调整取向的原因和内涵

当通货膨胀逐渐成为影响宏观经济发展的压力时,积极的财政政策既不利于控制过快的固定资产投资增长,也不利于减缓通货膨胀的趋势。财政政策必须调整取向,由积极转为稳健。稳健的财政政策的内涵:一是控制赤字,但继续保持一定财政赤字规模和长期建设国债发行规模;二是调整结构,把更多的钱用到需要加强的农业、科教文卫、社会保障等薄弱环节;三是推进改革,不再主要依靠国债投资拉动经济增长,腾出财力用于体制和制度创新;四是增收节支,提高财政资金的使用效益。     

含单调约束的广义回归估计量

传统广义回归估计量的假设是域与域相互独立。实践中,域值通常呈现特定的顺序和形状,使得域间变量的相关性广泛存在。例如,给定地区,信息传输、计算及服务和软件业、金融业等服务业较纺织业、农副产品加工业等制造业的行业内学历为本科及以上的人员占比、行业平均工资等更高。域间相关性的充分利用有助于提高传统广义回归估计量的精度。对此,在辅助变量域值和目标变量域值变化趋势一致的情况下,首先,引入广义回归估计量的保序回归,构建含单调约束的广义回归估计量,满足目标变量和辅助变量的单调性约束。其次,证明了含单调约束的广义回归估计量在一定条件下具有一致性,均方误差更小。最后,利用数值模拟验证含单调约束的广义回归估计量的估计效果。结果显示,在目标变量域值和辅助变量域值变化趋势一致的情况下,含单调约束的广义回归估计量较传统广义回归估计量,估计精度更高。实证部分采用中国健康与营养调查数据进行分析,进一步说明在对多个域进行估计的情况下,考虑域间相关性的影响,采用含单调约束的广义回归估计量,估计效果更好。     

基于Shapley值的分类预测模型变量筛选方法改进

在分类预测模型的自变量间存在交互效应时，传统Shapley值法的可加性无法满足，造成变量筛选效果变差，导致分类模型的预测精度降低。针对此问题，文章提出使用稳健独立成分分析，从原始数据中估计出具有独立性的数据集并对其进行Shapley值分解，从而提高变量筛选的准确度。统计模拟与实证分析的结果表明，改进后的方法在变量筛选上的表现优于传统Shapley值法。     

非确定性条件下的投资组合分析及实证研究

针对风险资产的收益具有不确定性的特征,结合稳健优化理论计算的投资组合问题,分析了稳健优化计算存在的计量风险偏大及投资组合最优解得不到保证的局限性,提出了一个基于情景分析及用随机线性规划计算的改进方法.并通过国内证券市场数据验证了所提方法的有效性.     

高斯—马尔可夫定理研究新进展

高斯—马尔可夫定理被计量经济学家Hansen推广为“现代”高斯—马尔可夫定理，该定理在不增加任何额外条件的情况下去掉了高斯—马尔可夫定理对估计量的“线性”限制，认为所有线性或非线性估计中，最小二乘估计量是最优无偏估计量。针对Hansen的“现代”高斯—马尔可夫定理创新性提出了三点商榷和两个值得进一步探讨的问题。认为以下两个问题存在进一步探讨的必要性：（1）是否存在非线性无偏估计量的集合；（2）高斯—马尔可夫定理对估计量的“线性”限制是否可以放弃。     

一种新的时间序列TC型异常值稳健检测法

时间序列异常值检测是时间序列分析研究中的重要内容，然而，在实际检测中往往存在“遮蔽效应”问题。文章分析了已有研究提出的时间序列TC型异常值检测法的不稳健性，并从两个方面进行改进：第一，建立基于Huber权函数的稳健ARMA模型，得到无干扰AR系数与MA系数；第二，用绝对离差中位数作为残差稳健估计量。通过以上改进得到了TC型异常值稳健检测统计量，并通过模拟对比小样本、中样本、大样本，轻污染、中污染、重污染情形下传统检测法与稳健检测法的检测效力，结果发现：在小样本、轻污染率下，两种检测法相差不大，但随着样本量、污染率的增加，稳健检测法显著优于传统检测法。最后，稳健检测法的优良性在金融市场异常现象检测中得到进一步说明。     

权数对基于模型推断的影响分析

利用抽样调查数据对总体参数进行推断通常分为两种途径：一种是基于设计的推断体系；另一种是基于模型的推断体系。基于设计的推断以随机化理论为基础，推断依赖于抽样设计，在大样本下估计量具有无偏性和一致性，但在样本量较小或存在非抽样误差等情况下效率较低。基于模型的推断认为有限总体是一个来自无限超总体的随机样本，推断依赖于模型假设，构建超总体模型具有很大的灵活性，有利于充分利用总体辅助信息并提高估计精度，但在模型假定有误或样本的入样过程不具有无信息性时存在估计误差。如何将两种推断途径相结合，在体现样本对总体代表性的同时，保证估计效率和估计量的优良性质，尚待研究。权数在基于设计的推断中起着核心作用，能够反映抽样设计对样本的影响，实现样本对总体的还原。将权数引入基于模型的推断，可以使基于模型推断的结果具有总体代表性，能更好地发挥两种推断体系的组合优势，并削弱模型假定对推断效果的影响。据此，从权数对于模型推断的影响入手，针对因果推断问题，提出将权数同时引入倾向得分模型和预测模型的建模过程，来构造双稳健估计的方法，并通过模拟研究加以验证。最终结果表明，根据文章所提出的方法进行处理效应的估计，能够充分发挥权数的作用，得到更准确、更稳健的估计结果。实证部分采用2017年CGSS调查数据进行分析，进一步说明在基于调查数据进行模型推断时应充分考虑抽样设计的影响，为科研人员进行因果推断以及其他基于调查数据开展的研究提供参考。