检验n和T都很大的固定效应动态面板模型的条件异方差性

研究了动态面板数据模型的条件异方差性检验问题.对于n和T都很大的固定效应动态面板数据模型,通过残差的一阶差分的平方序列,建立一个人工自回归模型,并基于该人工自回归模型系数的最小二乘估计构造检验统计量,检验误差序列的条件异方差性.研究表明在一定的假设条件下,得到的检验渐近服从卡方分布,计算简单方便,通过一些模拟试验研究了检验的小样本性质.模拟研究表明该检验表现很好.     

带有固定效应且n和T都很大的动态面板模型的诊断检验

研究了动态面板数据模型的诊断检验问题.对于带有固定个体效应且n和T都很大的的动态面板数据模型,通过残差的一阶差分构造了一个人工自回归模型,并基于该自回归模型系数的最小二乘估计构造了一个检验统计量检验模型的充分性.研究表明在一定的假设条件下,该检验渐近服从卡方分布,计算简单方便.模拟实验结果表明该检验表现很好.     

半参数随机效应模型的异方差检验

在许多实际问题中,检验观察数据是否出现异方差性是一个相当感兴趣的问题.该文研究了半参数随机效应模型的异方差检验问题.基于Lin(1997)的方法,得到了检验方差成分都为零的Score检验统计量.通过随机模拟和实际数值例子,论证了方法的有效性.利用现有的统计软件,容易实现该文所提出的检验方法.     

面板数据分位数回归模型求解的模式搜索法

本文应用最优化理论,对固定效应的面板数据分位数回归模型,提出一种模式搜索方法,此方法可以同时估计出所有分位点处的解释变量系数和所有个体的固定效应值。进一步利用蒙特卡洛模拟比较现有文献中涉及的面板数据分位数回归方法,结果显示无论误差项是否满足经典假设,模式搜索分位数回归法较之其他分位数回归估计方法更为有效.     

非参数回归模型异方差的小波检验

在非参数回归模型的讨论中, 通常假定方差具有齐性结构. 然而事前并不能保证方差齐性. 因此需要检验异方差性. 基于小波方法提出了一种相合的非参数异方差检验. 首先定义了回归模型的条件方差函数的经验小波系数, 然后证明了其渐近正态性. 在此基础上, 利用 Fan 的小波收缩的概念, 提出了异方差性检验的统计量. 模拟结果表明, 本检验方法优于传统的非参数检验方法.     

固定效应空间误差分量模型的空间相关性检验

本文研究固定效应设定下,空间误差分量(Spatial Error Components,SEC)模型的空间相关性边际检验、条件检验和转换检验.Monte Carlo模拟实验证明,转换检验有更小的水平扭曲和优越的检验功效,且不受固定效应大小影响,是经济计量实证中理想的检验统计量;转换检验有限样本性质受空间权重矩阵的选取和...     

面板数据下带固定效应的线性回归模型的稳健变量选择

本文结合复合分位数回归和自适应LASSO惩罚方法为固定效应面板数据模型提供了一种稳健变量选择过程。先通过正向正交偏差变换消除固定效应,再利用自适应LASSO构造惩罚复合分位数回归目标函数,进而同时进行回归系数的估计和变量选择。在一些正则条件下,证明了所提出的估计具有Orcale性质。该方法不仅消除了固定效应对估计的影响,而且具有稳健性。模拟研究了所提出方法的有限样本性质并将其应用于实际数据分析。     

非线性随机效应模型的异方差性检验

随机效应模型广泛应用于刻画重复测量数据的特征．在该模型中,随机误差的方差包括受试群体内部及受试群体之间两项方差．Ｚｈａｎｇ和 Ｗｅｉｓｓ ２０００年研究了线性随机效应模型的异方差检验,本文对非线性随机效应模型,分别讨论了群体内、群体间和多变量的异方差性的检验问题,得到了检验的ｓｃｏｒｅ统计量,并讨论了三种情形下,相应的ｓｃｏｒｅ函数之间的关系．最后给出一个数值例子说明上述方法的有用性．     

面板数据交互固定效应模型的协方差矩阵检验

本文研究了面板数据交互固定效应模型中协方差矩阵的检验问题.首先依据模型协方差矩阵迹的估计构造检验统计量,检验协方差矩阵是否为单位矩阵,或是单位矩阵的常数倍.然后在一定正则条件下,证明了检验统计量的渐近性质,并说明所提出的检验方法不依赖于误差分布.最后,通过模拟研究对本文的检验方法进行评价,说明所提检验方法在高维面板数据下仍然有效.     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

������ݽ����̶�ЧӦģ�͵�Э����������

??In this paper, we focus on the tests for covariance matrices in panel data model with interactive fixed effects. For the problem of testing identity and sphericity of covariance matrices, we first propose test statistics based on the estimators of the trace of covariance matrices. Under both the null hypothesis and the alternatives, we establish the asymptotic distributions of the proposed test statistics under some regularity conditions, and we further show that the proposed tests are distribution free. Subsequently simulation studies suggest that the proposed tests perform well under the high dimensional panel data.     

Testing for Covariance Matrices in Panel Data Models with Interactive Fixed Effect

In this paper, we focus on the tests for covariance matrices in panel data model with interactive fixed effects. For the problem of testing identity and sphericity of covariance matrices, we first propose test statistics based on the estimators of the trace of covariance matrices. Under both the null hypothesis and the alternatives, we establish the asymptotic distributions of the proposed test statistics under some regularity conditions, and we further show that the proposed tests are distribution free. Subsequently simulation studies suggest that the proposed tests perform well under the high dimensional panel data.     

���й̶�ЧӦ�İ�����������ģ�͵Ļع���������

In this paper, we study the asymptotic behavior of the B-spline estimator for semiparametric panel data model with fixed effects.We give explicit expression for the asymptotic bias of B-spline estimator for nonparametric function m. Our study shows that the asymptotic bias of the B-spline estimator does not depend on the working correlation matrix. Simulations are conducted to demonstrate our conclusion.     

基于Pairwise惩罚方法的面板数据模型结构变点估计

面板数据模型在经济、生物、统计等领域有着广泛的应用。经典的面板数据模型假设解释变量系数不随时间变化。然而在现实中,解释变量系数可能会因多种因素的影响而存在多重未知的结构变点。本文假设交互固定效应面板数据模型中含有多重未知的结构变点。研究发现通过Pairwise惩罚的参数估计方法在目标函数中增加对相邻时间解释变量系数的惩罚项,能够同时进行参数估计和结构变点诊断。蒙特卡洛模拟结果显示,不管是否存在同方差假设,该方法估计的解释变量系数均偏差较小且结构变点诊断错误率低。     

固定效应部分线性可加面板数据模型的惩罚二次推断估计

具有较强解释力和灵活性的部分线性可加面板数据模型在各学科领域应用广泛.针对个体内存在相关结构的固定效应部分线性可加面板数据模型,本文在结合幂样条函数和最小二乘虚拟变量(LSDV)法的基础上,利用惩罚二次推断函数(PQIF)法对模型进行估计,在一定的正则条件下,证明了参数估计的渐近正态性和非参数估计的收敛性,Monte Carlo数值模拟显示所述估计方法具有良好的有限样本表现,同时,我们还将估计技术应用于实际数据分析中.     

非参数固定效应Panel Data模型的统计推断

本文主要讨论了非参数固定效应Panel data模型的估计与检验问题,首先我们利用Profile最小二乘方法得到了固定效应与非参数部分的估计;接着基于比较原假设与备择假设下模型拟合的残差平方和的思想针对固定效应的检验问题构造了检验统计量,并给出了计算检验p-值的F分布逼近法。     

基于面板数据的公路交通事故实证研究

本文采用面板数据的固定效应回归模型,对交通事故死亡率与迅猛增长的交通需求和相对滞后的公路及相关的基础设施之间的矛盾之间的关系进行定量分析,研究结果很好地印证了我国交通安全的现实状况.     

固定效应部分线性单指标面板模型的惩罚二次推断估计

单指标面板模型已广泛应用于各学科领域的研究中,其估计方法较为丰富,然而鲜有估计方法将个体内的相关性考虑在内.基于此,本文研究了一类个体内存在相关性的固定效应部分线性单指标面板模型,采用惩罚二次推断函数法和LSDV法相结合的方法对模型进行估计,证明了所得估计量的一致性和渐近正态性.Monte Carlo模拟结果显示其具有...