存在趋势和周期特征的非平稳时间序列的建模及其应用

本文研究存在未知周期和趋势的非平稳时间序列的估计问题.将经典的时间序列分解模型写成一个含有未知参数的部分线性模型,首先采用B-样条逼近未知时间趋势,然后利用惩罚最小二乘回归法得到未知周期、周期序列和趋势的估计.本文还给出估计量的理论性质,包括周期估计的相合性以及周期序列和趋势估计的渐近性质.模拟研究展现了本文方法的优越...     

空间半参数变系数部分线性回归中的分位数估计

本文研究了空间数据变系数部分线性回归中的分位数估计. 模型中的参数估计量通过未知系数函数的分段多项式逼近得到, 而未知系数函数的估计量通过将参数估计量代入模型中并通过局部线性逼近得到. 文中推导了未知参数向量估计量的渐近分布, 并建立了未知系数函数估计量在内点及边界点的渐近分布. 通过Monte Carlo 模拟研究了估计量的有限样本性质.     

纵向数据下非参数带测量误差的部分线性变系数模型的估计

本文研究纵向数据下非参数部分带有测量误差的部分线性变系数模型的估计.利用B样条函数近似模型中的变系数函数,构造偏差修正的二次推断函数,得到模型中未知参数和变系数函数的估计.证明变系数函数估计量的相合性和参数估计量的渐近正态性.数值模拟和实例分析结果表明所提估计方法在有限样本下的有效性.     

具有周期特征的离散时间序列的非参数可加模型

周期性是在时间序列分析中经常出现的影响因素之一.在离散值响应变量时间序列中,我们利用带惩罚的极大似然估计建立了未知周期的一致估计.基于周期的估计,我们利用B-样条逼近趋势项和可加函数,同时得到了周期项的√n相合估计以及趋势项和可加函数的初始估计.然后基于后移的思想,推导了趋势项和可加函数的改进估计,并证明了估计量的渐近...     

纵向数据下变系数测量误差模型的渐近估计

本文主要研究纵向数据下变系数测量误差模型的估计问题.利用B样条方法逼近模型中未知的变系数,构造关于B样条系数的二次推断函数来处理未知的个体内相关和测量误差,得到变系数的二次推断函数估计,建立估计方法和结果的渐近性质.数值模拟结果显示本文提出的估计方法具有一定的实用价值.     

相依样本下半参数变系数期望分位数风险度量模型统计推断

本文在α-混合序列假设下,基于半参数变系数模型研究条件期望分位数风险价值(expectile-based value at risk, EVaR)的风险度量.此模型不仅考虑了风险因素的影响,还可以动态描述风险影响及交互效应.同时, EVaR比经典的风险在险价值(quantile-based value at risk, QVaR)具有更直观、更易于计算的良好性质,而且对于资产分布的尾部损失更加敏感,在度量极端风险情形下,相对于QVaR更为有效和方便.本文采用三阶段估计的方法,分别对变系数部分和常系数部分的参数进行估计,并且给出3个阶段中每个估计的相合性和渐近正态性.为了节省计算时间,提高计算效率,本文采用一步估计的算法,减少迭代所需的时间.由于时间序列样本是非独立样本,建立这些统计量的大样本性质时带来了更大的困难.有别于独立同分布的观察数据,本文利用大小块分割方法发展α-混合序列的极限理论,获得了基于金融时间序列数据建立的模型参数和非参数估计的统计渐近性质.在数值模拟中,本文给出3个模型假设下变系数曲线估计和常系数估计的结果,无论是估计的精确度还是估计的稳健性,模拟结果都表明本文所提出的估计方法有优良的性质.实例则展示了本文所提出模型在上证指数的实际应用.     

带有约束的部分线性变系数EV模型的偏差纠正统计推断

本文研究参数和非参数部分均带有测量误差(EV)的部分线性变系数模型的约束统计推断,综合profile最小二乘估计方法和局部纠偏方法给出模型中未知参数和系数函数的两种约束估计,并在适当条件下证明它们的渐近性质.最后通过数值模拟研究所提估计方法在有限样本下的实际表现.     

针对面板数据的半参数变系数可加模型的估计和推断

本文研究针对面板数据的半参数变系数可加模型的估计和推断问题,该模型将因变量与自变量之间的关系建模成未知函数的形式,并且假设它们之间的关系是随时间变化的.本文基于B样条方法估计未知的参数和函数.本文在允许(N,T)→∞的情况下建立各个估计量的渐近性质.通过大量的模拟评估所提出的估计方法的表现.最后,本文将所推荐的模型用于调查Fama-French三因子的时变行为.     

广义函数型部分变系数混合模型的估计

将广义变系数回归模型与广义函数型线性回归模型相结合,提出了一种新的模型——广义函数型部分变系数混合模型.基于函数型主成分基和B-样条基的方法,通过最大化拟似然函数得到了未知函数的估计,并在一定的正则条件下得到了各估计量的收敛速度及预测精度.通过数值模拟展现了模型的可行性和优越性,最后将所建模型应用到Tecator数据说...     

非参数部分带有测量误差的部分线性变系数模型的经验似然推断

研究非参数部分带有测量误差的部分线性变系数模型,构造了模型中未知参数的局部纠偏经验对数似然比统计量,在适当条件下,证明了所提出的统计量具有渐近x2分布,由此结果可以用来构造未知参数的置信域.并且还构造了未知参数的最大经验似然估计及系数函数的估计,证明了它们的渐近性质.最后通过数值模拟研究了所提估计方法在有限样本下的实际...     

基于部分线性变系数空间误差模型的网络结构缺失数据借补估计

文章采用空间误差模型刻画个体之间的网络结构关系,讨论响应变量随机缺失时部分线性变系数空间误差模型的估计和借补问题.首先,利用矩阵分块和截面似然技术构建了参数估计量,并证明了参数估计量的渐近分布和未知系数函数估计量的收敛速度.其次基于部分线性变系数模型,提出了带有空间网络结构的缺失数据的借补方法.最后,通过蒙特卡洛模拟研究了估计量的有限样本性质,并将该方法应用于QQ数据集分析.     

缺失数据下基于众数回归的变系数部分非线性模型的估计

针对响应变量随机缺失的变系数部分非线性模型,提出了一种稳健的基于众数回归的估计方法.采取逆概率加权方法,利用QR正交分解技术,分别得到了未知参数和变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

半变系数模型的变窗宽和一步局部M-估计

讨论了半变系数模型的变窗宽一步局部M-估计.用一步局部M-估计给出了未知函数的估计,用平均法给出了未知参数的估计,并在其中嵌入一个变窗宽加以提高,得到了未知函数和未知参数的渐近正态性.     

相依误差下部分函数型线性模型的估计

本文研究当误差序列为平稳的a-混合序列时,部分函数型线性模型的估计问题,基于用Karhunen-Loeve展开来逼近斜率函数的思想,给出了未知参数和斜率函数的估计方法,并进一步建立了参数估计量的渐近正态性和斜率函数估计量的收敛速度.最后用模拟研究和具体实例说明了估计方法的良好表现以及相依误差结构对估计量所带来的影响.     

系数函数光滑度互不相同的变系数模型的一步估计法

该文提出了一种一步估计方法用以估计变系数模型中具有互不相同光滑度的未知函数, 所有未知函数和它们的导数的估计量由 一次极小化得到. 给出了估计量的渐近性质, 包括渐近偏差、方差和渐近分布, 一步估计量被证明达到了最优收敛速度.     

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。     

部分线性变系数模型的一种新的轮廓(Profile)最小二乘估计

作为部分线性模型和变系数模型的推广,部分线性变系数模型以其良好的适应性和稳健性受到了广泛的关注。本文基于函数的局部线性拟合,给出部分线性变系数模型的另一种轮廓(profile)最小二乘估计的方法,并从理论上证实了所得估计量具有良好的渐近性质,最后给出了估计方法的实例分析。     

部分函数线性变系数模型的样条估计及其应用

本文针对Tecator数据介绍一种新的模型一部分函数线性变系数模型,并基于样条估计方法得到了模型中未知系数函数的估计,同时在适当的条件下给出了系数函数估计及模型均方预测误差的收敛速度。通过数值模拟说明本文所提估计方法的有效性。最后基于该模型对Tecator数据进行了统计分析。     

部分线性变系数模型的新复合分位数回归估计

针对部分线性变系数模型的参数估计问题,提出了一种新复合分位数回归估计方法.利用复合分位数回归法估计参数部分,局部非线性复合分位数回归法估计变系数函数部分,并在若干正则条件下,证明了常系数和变系数函数估计量具有较好的渐近正态性质.通过随机模拟和实例分析,验证了所提估计方法在有限样本下的良好表现,有效的证明了所提方法的优越...     

基于变系数模型的纵向数据相关结构选择和估计

本文针对基于变系数模型的纵向数据提出 选择和估计其个体内部相关结构的方法, 给出变系数模型中系数函数曲线的有效估计, 并建立相应的大样本渐近性质. 模拟结果和实例分析表明, 即使在有限样本下, 本文所提方法在选择和估计真实相关结构方面具有相合性, 并能够提高系数函数曲线的估计效率.