竞争风险下纵列持续数据随机效应模型的估计与模拟研究

本文论证竞争风险下纵列持续数据随机效应模型属于广义线性模型的范畴,推导出用于模型估计的等级似然函数,将等级似然估计的运用由单风险扩展到竞争风险,并进行了模拟研究。模拟结果表明,对于竞争风险下的随机效应模型,等级似然估计能够给出协变量系数相当精确的估计,克服了忽略异质性影响所导致的偏差;模拟研究还表明,本文提出的估计方法同样适用于区间观测数据。     

有缺失数据的2×2×2列联表的参数估计

本文讨论了缺失数据的 2× 2× 2列联表的参数估计问题 ,通过给出适当的模型和观测数据模式 ,我们给出了各列联表各细胞参数的估计 ,并且证明这些估计是G -Markov的     

偏正态混合效应模型参数的经验贝叶斯估计

针对偏正态混合效应模型,研究模型固定效应和偏度参数的经验贝叶斯估计问题.首先,基于固定效应和偏度参数的先验分布及贝叶斯法则,给出其后验分布.进而,综合运用极大似然估计方法和MCMC技术,获得固定效应和偏度参数的经验贝叶斯估计及其算法.模拟结果表明,在均方误差意义下,经验贝叶斯估计在大部分情况下优于由Nelder-Mead算法获得的极大似然估计.最后,将经验贝叶斯估计应用于中国长三角城市群人口增长的影响因素分析.     

信用传染违约Aalen加性风险模型

本文考虑了基于加性风险模型的信用风险违约预报模型,不但考虑了宏观因素和公司个体因素,并且通过引入行业因素来刻画公司间可能存在的不同于宏观因素的信用传染效应,由此克服了以往模型对违约相关性的低估.本文在参数加性风险模型下给出极大似然估计及渐近性,提出两种估计方法并比较二者表现,得到最优权估计更加有效.同时本文还考虑了半参数的风险模型,并基于鞅的估计方程得到其估计及渐近性,均得到不错的结果.     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

变系数混合模型的光滑样条推断

为了拟合纵向数据和其他相关数据,本文提出了变系数混合效应模型(VCMM).该模型运用变系数线性部分来表示协变量对响应变量的影响,而用随机效应来描述纵向数据组内的相关性, 因此,该模型允许协变量和响应变量之间存在十分灵活的泛函关系.文中运用光滑样条来估计均值部分的系数函数,而用限制最大似然的方法同时估计出光滑参数和方差成分,我们还得到了所提估计的计算方法.大量的模拟研究表明对于具有各种协方差结构的变系数混合效应模型,运用本文所提出的方法都能够十分有效地估计出模型中的系数函数和方差成分.     

均匀设计及其应用（二）

均匀设计及其应用（二）方开泰第二章均匀设计的应用由于均匀设计要求的试验数较少，我们无法直接估计出各因素的主效应和交互效应，只能通过回归模型来建立试验指标（Ｙ）和各因素之间的关系，利用这种关系来寻求最优工艺条件或最优配方．试验设计的目的通常主要有二个，...     

线性混合模型中固定效应和方差分量同时最优估计

对于具有广泛应用的含有两个方差分量的线性混合模型, 找到了一组简单条件. 在这些条件下, 证明了固定效应的最小二乘估计和方差分量的方差分析估计同时是最小方差无偏估计; 获得了固定效应的精确置信区间和随机效应的方差分量的一致最优无偏检验; 得到了随机效应方差的方差分析估计取负值的概率精确表达式.     

部分线性混合效应模型的有效估计（英文）

本文我们给出部分线性混合效应模型的有效估计方法.首先,我们使用广义最小二乘估计和B样条方法去估计未知量,然后利用惩罚最小二乘方法得到随机效应项的估计.接着我们还考虑了方差分量的估计.和现有的方法相比,我们的方法表现更好.此外,我们还给出了估计量的渐近性质.最后,模拟研究被用来评价我们的估计方法的表现.     

GARCH(1,1)模型的稳健估计比较及应用

首先阐述了GARCH(1,1)模型稳健估计的构造方法,然后在模型有无异常值扩散效应约束和异常值比例不同的情况下,比较了传统QMLE估计和多种稳健M估计的表现,结果表明:在数据无异常值下,QMLE估计较优;随着异常值比例增加,稳健Andrew估计表现更好;模型施加异常值扩散效应约束对估计有一定改善但不显著.最后选取波动程度不同的两个阶段沪深300指数的收益率,用模型拟合进行了实例比较,在波动程度较大时,Andrew估计效果较优,在波动相对平稳时,LAD估计较优.     

基于广义回归估计的校准加权设计效应模型研究

校准是最常用的加权调整方法,然而传统加权调整设计效应模型只考虑有差异权数导致的精度损失,忽略使用辅助信息后的精度改进,因此应用于设计效应计算时存在一定的缺陷。本文在Spencer模型的基础上进行拓展,引入反映辅助变量和调查变量相关关系的广义回归估计量,构建了校准加权设计效应的一般模型。数值分析结果显示,校准加权设计效应模型的效果优于传统加权调整设计效应模型;尤其在调查变量与辅助变量高度相关的情形下,校准加权设计效应模型能够准确地估计出不等概率抽样设计和校准调整的综合效率。     

纵向数据半参数混合效应模型中的估计方法

本文将Tao等(1999)提出的线性混合效应模型推广为半参数混合效应模型,给出了模型参数、回归函数和随机效应密度的估计,并研究了估计的渐近性质.统计模拟表明我们给出的估计方法是可行的.     

空间混合效应随机前沿模型估计方法研究

在经典随机前沿模型中引入随机效应和空间效应,构建了空间混合效应随机前沿模型。模型考虑了生产单元技术水平的异质性并且可以有效避免忽略内生性问题导致的有偏且不一致估计量,适用性更佳。使用贝叶斯方法估计模型,核心在于推导未知参数的后验分布以及MCMC抽样。相比于其他估计方法,贝叶斯方法简单直观且精度较高,更适合复杂模型的估计。数值模拟结果显示:①贝叶斯估计的精度较高。增加样本容量有助于提高精度。②忽略随机效应,估计精度偏低。数值模拟表明文中模型和方法有存在必要性。     

有调节的中介潜变量的循环效应模型

从解决大学生网络成瘾和抑郁相互影响关系的研究出发,构建了有调节的中介潜变量的循环效应模型.为对模型变量进行效应大小的分析和比较,推导出模型参数的标准化估计.运用我们提出的基于配方约束的潜变量回归的确定性线性算法来计算潜变量的值,避免了交互潜变量计算时观测变量的配对问题.对模型参数的OLS估计可能不具有一致性和无偏性进行了证明,并给出了解决问题的相应算法.总结出模型的算法步骤和变量的效应检验步骤.最后进行了数值模拟,验证了模型的合理性.     

固定效应部分线性可加动态面板模型的惩罚二次推断函数估计北大核心CSCD

工具变量法是估计动态面板模型的常用方法,但该方法并没有充分利用现有矩条件,导致所得估计有效性不足.为此,本文首先采用变量变换法消除模型的内生性,再用惩罚二次推断函数法推导出个体内具有一阶自相关结构的固定效应部分线性可加动态面板模型中未知参数和函数的估计;进一步,证明了所得估计量的一致性和渐近正态性,同时还用Monte Carlo模拟实验比较了该方法和半参数GMM法在有限样本下的表现;最后将所述方法应用于实际数据分析中.     

半参数混合效应模型中的估计及其强相合性

将Tao等(1999)提出的线性混合效应模型推广为半参数混合效应模型,给出了模型参数、回归函数和随机效应密度的估计,并研究了估计的强相合性及部分强相合速度.统计模拟表明我们给出的估计方法是可行的.     

固定效应部分线性可加动态面板模型的惩罚二次推断函数估计

工具变量法是估计动态面板模型的常用方法,但该方法并没有充分利用现有矩条件,导致所得估计有效性不足.为此,本文首先采用变量变换法消除模型的内生性,再用惩罚二次推断函数法推导出个体内具有一阶自相关结构的固定效应部分线性可加动态面板模型中未知参数和函数的估计;进一步,证明了所得估计量的一致性和渐近正态性,同时还用Monte Carlo模拟实验比较了该方法和半参数GMM法在有限样本下的表现;最后将所述方法应用于实际数据分析中.     

线性混合模型协方差阵的谱分解的一种新方法及其应用

对平衡线性混合模型, 随机效应的设计阵具有一定结构.定义了一种新的矩阵序, 借助于这种新序, 提出了协方差阵谱分解的一种新方法.与现有的两种方法相比较, 新方法的突出的特点是能够给出协方差阵不同特征值的精确个数, 以及谱分解中不同特征值对应的投影阵与随机效应的设计阵之间的关系. 基于新的谱分解结果,(1) 证明了平衡随机模型的方差分析估计为最小方差无偏估计; (2) 证明了在一定条件下, 一般平衡线性混合模型的方差分析估计也具有最小方差无偏性; (3) 给出了一般混合模型的极大似然方程显示解存在的一个较易验证的判定定理, 并给出了显示解存在时解的一般形式; (4) 清晰地显示了谱分解估计的构造原理, 并找到了谱分解估计与方差分析估计相等的充要条件.     

随机变量二次型的协方差在混合效应模型中的应用

本文提出方差分量ANOVA估计的一种改进方法, 证明了对于一般的方差分量模型, 只要方差分量的ANOVA估计存在就可以通过此方法给出其改进形式, 并且在均方误差意义下优于ANOVA估计. 特别地, 对于单向分类随机效应模型, Kelly和Mathew^[1]对ANOVA估计的改进就是我们提出的改进方法的特殊形式, 这也给出了此类改进估计在均方误差意义下优于ANOVA估计的另一种合理的解释. 同时, 本文又将此思想应用到对谱分解估计的改进上. 本文应用协方差的简单性质证明了对带有一个随机效应的方差分量模型, 当随机效应的协方差阵只有一个非零特征值时, 随机效应方差分量谱分解估计在均方误差意义下总是优于ANOVA估计. 本文最后将第三节的结论推广到广义谱分解估计下, 同时给出广义谱分解估计待定系数的一个合理的取值.     

单向分类随机效应模型中方差分量的渐近最优经验Bayes估计

本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.