一个新的稳健ARCH检验和YJ-GARCH模型

 众所周知,Engle (1982) 的ARCH检验对于条件均值模型误设并不稳健,特别地,当条件均值是非线性过程而我们仅对之建立线性模型时,它过度地拒绝真实的原假设,导致出现严重的水平扭曲 (size distortion)。因此,本文在文献当中首次利用Yeo-Johnson变换方法来转换均值模型的因变量以排除ARCH 过程中均值部分的非线性,进而提出一个新的稳健ARCH检验以及一个新的GARCH模型——Yeo-Johnson (YJ) GARCH模型。蒙特卡罗模拟结果表明,稳健的ARCH检验在水平 (size) 和势 (power) 方面的表现要显著优于Engle (1982) 的ARCH检验。对上证综指收益率的实证研究结果表明,YJ-GARCH模型的拟合效果要显著优于线性GARCH模型。     

正交多项式逼近下非线性趋势序列单位根检验

 传统单位根检验方法常常假设带有线性的确定性趋势,但如果趋势是非线性的,通常将因为检验功效大幅下降而导致检验失败。本文研究用正交多项式逼近非线性趋势,然后对残差进行单位根检验的方法。研究了用正交多项式进行趋势逼近的性质,推导了这种方法进行单位根检验时统计量的极限分布,提出了正交多项式最高阶数的确定方法,仿真研究了残差相关与不相关时的检验功效。结果表明,检验方法是有效的。     

面板数据模型的截面相关检验研究

 相关系数的绝对值形式可以很好的避免Pesaran（2004）的CD统计量中异向相关性相互抵消的情况,相应得到一个新的检验面板数据模型扰动项截面相关的统计量。蒙特卡洛模拟显示,无论是在因子模型下还是在空间移动平均模型下,新提出的统计量水平扭曲(size distortion)检验和功效(power)检验表现较好。通过模拟还发现当存在序列相关的扰动项时,先将扰动项进行去序列相关处理可以有效地避免序列相关导致的水平扭曲,并且不会降低统计量的功效。     

石油价格波动、人民币汇率与宏观经济相互影响的机制分析

我国人民币汇率制度改革以来,人民币汇率升值和石油价格波动对我国宏观经济产生巨大影响,本文首先从理论机制上分析金融危机发生前石油价格、人民币汇率与宏观经济之间的影响。再通过建立协整和误差修正模型实证检验,分析结果表明：石油价格上涨会推动我国的通货膨胀上升;美元贬值会使得石油价格提高;在其他条件不变情况下,人民币兑美元名义汇率、石油价格与工业经济三者保持长期稳定关系。     

非线性Granger因果检验方法的检验功效及有限样本性质的模拟分析

为了克服传统Granger因果检验方法因忽略经济变量的非线性特征而导致结论出现显著偏差的局限性,非线性Granger因果检验方法在近年来正逐步成为经济学研究领域的重要分析工具。然而,迄今为止,学术界仍较少对非线性Granger因果检验方法在不同非线性模型中的有限样本性质展开系统性的比较与分析,因此,本文通过数据生成过程（DGP）,结合Monte Carlo模拟对Diks和Panchenko（2006）等主流的非线性Granger因果检验方法的检验功效、过度拒绝等问题展开比较研究,并对共同滞后阶数、带宽参数的不同设置可能引发结论敏感性变化进行深入分析,在此基础上我们从动态非线性滚动分析的角度对其有限样本性质展开进一步的讨论,并提出对未来非线性应用研究具有实际指导价值的若干建议。     

LSTAR-GARCH模型的单位根检验

LSTAR模型的单位根检验往往易忽视其条件方差的时变性,实际上,对许多经济变量尤其是金融变量建立LSTAR模型后,经常发现其条件方差存在GARCH效应。针对LSTAR-GARCH模型的平稳性检验,本文构建了检验统计量tNG,之后在极大似然估计的基础上,推导出tNG的渐近分布,通过蒙特卡洛模拟方法得到该统计量的渐近临界值,并在此基础上研究了tNG检验的检验功效。在与刘雪燕和张晓峒(2009)提出的tNL检验、Ling等(2003)提出的tLG检验以及DF单位根检验进行比较后,发现tNG检验具备明显优势。     

我国正规就业者的教育收益率

针对教育收益率测算中可能存在的弱工具变量问题,本文利用2006年中国健康与营养调查数据,结合工具变量估计框架下的各种模型设定检验,对我国正规就业者的教育收益率进行测算。检验和测算结果表明：受教育程度的变量存在内生性,个体配偶的受教育年限是内生变量受教育程度的强工具变量,而个体的出生季度是弱工具变量。广义矩估计结果显示我国正规就业者的教育收益率为10.1%。     

一类基于非参数回归的条件异方差检验

现有基于参数模型构造的条件异方差检验往往存在模型设定偏误问题。为了避免模型误设对检验结果的影响,并且同时捕获多种条件异方差现象,本文基于非参数回归构造了不依赖于特定模型形式的条件异方差检验统计量。该统计量可视作条件方差和无条件方差之间差异的加权平均,在原假设成立时渐近服从标准正态分布。数值模拟结果一方面表明本文统计量具有良好的有限样本性质,另一方面也说明条件均值模型误设会导致错误地拒绝条件同方差的原假设,凸显了本文引入非参数方法构造条件异方差检验的必要性。实证分析采用本文统计量探讨了国际主要股指收益率的条件异方差现象,得到了与Engle (1982)不同的检验结果,可能意味着股指收益率呈现出非线性动态特征。     

Customizing Generalizations of the Kolmogorov-Smirnov Goodness-of-fit Test

This paper presents a method of customizing goodness-of-fit tests that transforms the empirical distribution function in such a way as to create tests for certain alternatives. Using the @ , g transform described in Blom(1958), one can create non-parametric tests for an assortment of alternative distributions. As examples, three new ( f , g )-corrected Kolmogorov-Smirnov tests for goodness-of-fit are discussed. One of these tests is powerful for testing whether or not the data come from an alternative that is heavier in the tails. Another test identifies whether or not the data come from an alternative which is heavier in the middle of the distribution. The last test identifies if the data come from an alternative in which the first or third quartile is far from the corresponding quartile of the hypothesized distribution. The behavior of the three new tests is investigated through a power study.     

Testing the equality of two independent regression models

In some situations, for example in agriculture, biology, hydrology, and psychology, researchers wish to determine whether the relationship between response variable and predictor variables differs in two populations. In other words, we are interested in comparing two regression models for two independent datasets. In this work, we will use the parametric and nonparametric methods to establish hypothesis testing for the equality of two independent regression models. Then the simulation study is provided to investigate the performance of the proposed method.