协变量随机缺失时边际模型的广义矩估计

多元响应变量是纵向设计和横截面设计中经常遇到的一个数据类型.边际模型是探索该类数据解释变量对响应变量平均影响的一个常用工具.边际模型的一个重要特点在于,即使没有指明响应变量之间的相关结构,仍然能基于该模型构造回归参数的相合估计.本文讨论了协变量随机缺失时,边际模型回归参数的广义矩估计问题.使用逆概率加权和多个不同基底工作相关结构,我们得到了一组估计方程;本文通过极小化该估计方程组对应的二次推断函数构造目标参数的估计量.我们证明了估计量的渐近正态性,并通过随机模拟和初中数学成绩的实例分析考察了估计量的有限样本表现.     

变系数部分线性模型的加权随机约束s-K估计

研究随机约束条件下半参数变系数部分线性模型的参数估计问题,当回归模型线性部分变量存在多重共线性时,基于Profile最小二乘方法、s-K估计和加权混合估计构造参数向量的加权随机约束s-K估计,并在均方误差矩阵准则下给出新估计量优于s-K估计和加权混合估计的充要条件,最后通过蒙特卡洛数值模拟验证所提出估计量的有限样本性质.     

相依删失情形下加速失效模型的广义M估计

在生存分析中,加速失效模型(AFT模型)是研究失效时问与协变量之间关系的一类重要模型.在AFT模型框架下,通过在广义M估计的目标函数中使用广义Kaplan-Meier权,本文提出了含相依删失数据的AFT模型回归系数及刻度参数的加权广义M估计.渐近性质方面,得到了广义M估计的相合性和渐近正态性;关于估计量的有限样本性质,通过模拟研究验证了该估计量在有限样本情形下效果良好.     

混合地理加权空间自回归模型的Profile GMM估计

为了更好地同时考虑空间自相关性和空间异质性,本文研究一类空间自回归混合地理加权回归模型.基于Profile方法和广义矩(GMM)方法,构造了模型中未知空间自回归参数,常数回归系数和系数函数的两类Profile GMM估计.数值模拟结果表明所提出的估计在有限样本中表现良好.     

变系数联立模型的局部线性广义矩变窗宽估计

在随机设计条件下,提出了一类变系数联立模型,运用局部线性广义矩变窗宽估计,对模型的变系数进行了估计,研究了估计量的大样本性质.利用概率论中大数定律和中心极限定理,证明了估计量的大样本性质,局部线性广义矩变窗宽估计具有相合性和渐进正态性.     

非参数空间滞后模型的广义矩估计

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

基于混合地理加权Fay-Herriot模型的小域估计

作为一类区域层次模型, Fay-Herriot模型在小域估计中已经得到广泛的应用,这类模型假定各区域的直接估计是空间不相关的.很多情况下这个假定是不成立的,因此一些考虑空间效应的Fay-Herriot模型被提出.本文基于混合地理加权回归模型提出一类新的Fay-Herriot模型用以刻画空间非平稳性,基于提出的模型,给出小域目标参数的经验最佳线性无偏预测估计量,并研究了该估计量的均方误差.最后通过数值模拟验证了所提方法的有效性.     

非参数空间滞后模型的广义矩估计北大核心CSCD

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

基于充分降维的半参数不可忽略无响应光滑分位回归

文章在响应变量不可忽略缺失假定下,考察了分位回归的估计问题.文章首先建立半参数指数倾斜响应模型,为克服不可忽略缺失数据的识别性困难,避免多元非参数核估计造成的维数灾难,文章基于充分降维假设,利用数据驱动方法构造缺失工具变量,得到倾斜参数的轮廓两步广义矩估计量和非参数部分的降维核估计量;基于上述估计量建立逆概率加权(IPW)、核辅助估计方程插补(EEI)和增强逆概率加权(AIPW)三种分位回归估计方程,并利用卷积平滑分位损失函数代替经典的分位损失函数克服检查函数不平滑造成的理论和计算困难,回归系数的估计量由经验似然方法得到.理论研究证明了三种估计量等价的渐近正态性和相应对数经验似然比函数的渐近χ²加权和性质.数值模拟比较了上述估计量的有限样本性能.最后对HIV-CD4实际数据进行分析.     

纵向数据广义部分线性模型的惩罚GMM估计

对纵向数据的部分线性模型,通常的做法是用样条方法或者核方法逼近非参数部分,然后再用广义估计方程的估计方法去估计参数部分.本文使用P-样条拟合非参数函数,对不同的矩条件用不同的广义矩方法对模型的参数和非参数进行估计,并且给出了估计量的大样本性质;并用计算机模拟和实例证明了当模型中存在不同的矩条件时,采用不同的惩罚广义矩方法可以显著地提高估计精度.     

α-混合的部分线性EV模型的矩收敛性

本文研究误差为α-混合的部分线性EV模型的矩收敛性问题.利用小波估计和修正最小二乘法,给出了参数和非参数部分的小波估计量,获得了小波估计量的矩收敛速度,推广了现有的一些结论.     

人口普查内容误差评估

文章针对现行内容误差评估指标,利用样本未加权数据构造,从而违背抽样推断理论要求的问题,明确提出用狭义内容误差评估指标体系予以替代的研究目标.为实现这一目标,文章采用样本加权数据构造狭义内容误差指标的估计量及抽样方差估计量,解读本领域已有成果的得与失,创新内容误差研究新思路.运用这一思路,研究了人口普查内容误差的发生机制,内容误差测评指标体系的构建,测评指标的抽样估计等问题.通过上述研究,得出下列结论:在抽样调查条件下必须给出测评指标的抽样估计程序.     

基于混合地理加权回归模型的小域估计

近年来,基于空间模型的小域估计方法在抽样调查领域得到越来越多的关注.提出了一类混合地理加权单元层次小域模型用以刻画空间非平稳性,其中回归系数一部分为常数,另一部分则是随着地理位置的变化而变化.基于模型给出了域均值的估计,并研究了该估计量的均方误差及其估计.     

固定效应面板数据部分线性模型的加权截面LSDV估计(英文)

本文考虑误差为自回归过程的固定效应面板数据部分线性回归模型的估计.对于固定效应短时间序列面板数据,通常使用的自回归误差结构拟合方法不能得到一个一致的自回归系数估计量.因此本文提出一个替代估计并证明所提出的自回归系数估计是一致的,且该方法在任何阶的自回归误差下都是可行的.进一步,通过结合B样条近似,截面最小二乘虚拟变量(LSDV)技术和自回归误差结构的一致估计,本文使用加权截面LSDV估计参数部分和加权B样条(BS)估计非参数部分,所得到的加权截面LSDV估计量被证明是渐近正态的,且比可忽略误差的自回归结构模型更渐近有效.另外,加权BS估计量被推导出具有渐近偏差和渐近正态性.模拟研究和实际例子相应地说明了所估计程序的有限样本性.     

广义矩估计模型平均

模型平均方法以其稳健性好,遗失有用信息少等诸多优点而成为目前统计学和计量经济学界研究的热门问题,在经济,金融,生物,医学等领域有着广泛的应用前景.在模型平均的理论研究过程中如何选取权重是最重要的问题.现存的模型平均方法大都是在最小二乘估计的基础上研究的,并且大多数通过光滑AIC,光滑BIC和最小化Mallow准则得到组合的权重.但是在广义矩估计的基础上模型平均的研究还很不完善,文章在广义矩估计条件下提出了通过最小化目标参数平均估计量的渐近方差来获取权重.这种方法使得所得到的平均估计更加的稳健.蒙特卡洛模拟实验显示文章获得的模型平均估计量的风险与光滑AIC,光滑BIC和MMA相比相对较低.     

随机设计非线性混合模型的统计分析

本文研究了个体观察次数为随机的非线性 混合效应模型中参数的点估计以及区间估计. 在仅给出适当的矩条件下, 给出了固定效应、随机效应的方差阵以及误差方差的矩估计, 并证明了估计量的相合性及渐近正态性. 为给出误差方差以及随机效应方差分量的置信区间, 本文也给出了误差及随机效应的四阶矩估计. 随机模拟说明了方法的有效性.     

基于双系统估计量的人口普查净误差估计

针对中国和其他许多国家在使用双系统估计量时所存在的未对总体人口事后分层和未估计小区域净误差等诸多问题,从理论和实际操作层面构造基于捕获-再捕获模型的双系统估计量及合成双系统估计量.采用数理模型分析技术和抽样推断方法,研究双系统估计量,双系统估计量的抽样方差估计,以及小区域的净误差估计.研究结果表明:双系统估计量须在事后...     

纵向数据下半参数回归模型的统计分析

对于纵向数据下半参数回归模型,基于广义估计方程和一般权函数方法构造了模型中参数分量和非参数分量的估计.在适当的条件下证明了参数估计量具有渐近正态性,并得到了非参数回归函数估计量的最优收敛速度.通过模拟研究说明了所提出的估计量在有限样本下的精确性.     

部分线性变系数模型改进的加权混合Profile-Liu估计

研究半参数部分线性变系数模型的有偏估计,当回归模型参数部分自变量存在多重共线性时,在随机线性约束条件下,融合Profile最小二乘估计、加权混合估计和Liu估计构造回归模型参数分量改进的加权混合Profile-Liu估计,并在一定正则条件下证明估计量的渐近性质,最后利用蒙特卡洛数值模拟验证所提出估计量的有限样本表现性.     

一类非参数回归模型核估计的渐近性质

研究一类新的非参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归方程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为m(.)和ρ(.),在适当的条件下,证明了估计量m(.)和ρ(.)的渐近正态性.