固定效应部分线性单指数面板模型的快速有效估计及应用

将最小二乘支持向量机(LSSVM)和二次推断函数法(QIF)相结合,构造了个体内具有相关结构的固定效应部分线性单指数面板模型的新估计方法;在一定的正则条件下,证明了参数估计量的渐近正态性,导出了非参数估计量的收敛速度;Monte Carlo模拟了所述方法在各种相关结构下的有限样本表现,并与惩罚二次推断函数(PQIF)法进行了比较;将估计技术应用于分析我国人口结构与居民消费率的关系.研究发现,该方法改善了估计量的有效性,应用效果良好,程序运行速度快,适合经济变量间的线性和非线性关系研究以及大数据分析.     

固定效应部分线性单指标面板模型的惩罚经验似然估计

结合二次推断函数法、滤子法和经验似然估计法,为个体内存在相关性的部分线性单指标固定效应面板模型建立了惩罚经验似然估计法.在一些正则条件下,推导了模型估计量的大样本性质,证明了所提出的经验似然比渐近于卡方分布.进一步,用Monte Carlo模拟和真实数据分析评价了估计方法在有限样本下的表现.     

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...     

多元部分线性模型的B-样条估计(英文)

本文考虑多元部分线性回归模型的估计问题,得到了该模型参数的最小二乘估计和非参数函数的B-样条估计,并证明了参数估计的渐近正态性,给出了非参数函数估计的最优收敛速度.     

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.     

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.     

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.     

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.     

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。     

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.     

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.     

Ⅱ型区间删失数据下广义部分线性模型的筛极大似然估计(英文)

This article concerded with a semiparametric generalized partial linear model （GPLM） with the type Ⅱ censored data. A sieve maximum likelihood estimator （MLE） is proposed to estimate the parameter component, allowing exploration of the nonlinear relationship between a certain covariate and the response function. Asymptotic properties of the proposed sieve MLEs are discussed. Under some mild conditions, the estimators are shown to be strongly consistent. Moreover, the estimators of the unknown parameters are asymptotically normal and efficient, and the estimator of the nonparametric function has an optimal convergence rate.     

部分线性测量误差模型中的估计问题（英文）

本文考虑了部分线性模型中非参数部分带有可加测量误差的估计问题.本文提出了两种估计方法,第一种是基于逆卷积的积分矩估计方法,给出该估计的强相合收敛性.第二种是基于模拟的估计方法,该方法避免了积分矩估计方法中的积分问题.最后本文用一些数值结果来说明估计方法的估计效果.     

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.     

极大算子的加权BLO估计(英文)

引入加权BLO空间,得到了极大奇异积分算子和Hardy-Littlewood极大算子的加权BLO估计.     

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.     

面板数据交互固定效应模型的方差分量检验

研究了面板数据交互固定效应模型中方差分量的检验问题.首先依据模型中误差项的估计构造辅助回归模型,然后根据该辅助回归构造检验统计量,对模型中的异方差性进行检验.进一步,通过构造不同的辅助回归模型和检验统计量可以判别异方差的来源.在一定正则条件下,得到了检验统计量在原假设和备择假设下的渐近分布,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,说明所提检验方法是有效的.     

含测量误差的部分线性模型的发散参数估计(英文)

本文考虑了部分线性模型中,线性部分协变量含有测量误差,并且线性部分的参数随着样本量的增大而发散的估计问题.我们考虑了用可观测的替代变量来替代不可观察到的真实变量,这种替代变量的期望与真实变量存在线性关系.我们提出了估计方法,并研究了估计量的相合性与渐进正态性.此外,我们研究了发散参数的发散速度.我们通过模拟来说明该估计的实际效果.     

基于多维名义模型的加权似然估计方法(英文)

The Monte Carlo study evaluates the relative accuracy of Warm's (1989) weighted likelihood estimate (WLE) compared to the maximum likelihood estimate (MLE) using the nominal response model. And the results indicate that WLE was more accurate than MLE.     

相依数据部分线性模型的M估计的收敛速度

讨论了相依数据部分线性模型的M估计的收敛速度问题,在一定条件下,证明了参数分量的M估计具有渐进正态性,非参量分量的回归B样条M估计达到非参数回归的最优全局收敛速度,这里的理论结果包括最小一乘估计、最小二乘估计、Huber M估计及L_p模估计作为特例.