Panel模型中常见估计的比较

本文研究了Panel模型中回归系数常见估计的比较问题,给出了在Pitman准则,协方差阵准则和广义均方误差准则下最小二乘估计,Within估计,Between估计及两步估计之间的优良性比较结果.特别地,本文证明了在Pitman准则下最小二乘估计一致地优于Between估计.     

半参数回归模型的一类压缩估计

研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.     

非参数理论综述

对非参数理论进行了系统地综述.非参数理论中一个比较重要的内容是估计方法,常见的非参数估计方法有核估计、局部多项式估计、近邻估计等.光滑参数的选取、"维数灾难"与边界点问题也是与非参数理论有关的重要内容,也对这些方面进行综述.最后,文章还综述了非参数技术在时间序列模型中的有关应用问题.     

半参数回归模型的几乎无偏岭估计

提出了半参数回归模型的几乎无偏岭估计,并与岭估计进行了比较,在均方误差意义下,几乎无偏岭估计优于岭估计. 然后讨论了有偏参数的选取问题. 最后,用模拟算例和实际应用说明了几乎无偏岭估计的有效性和可行性.     

一种改进的密度核估计算法

密度核估计是解决统计问题中样本分布密度函数拟合的一类非参数统计方法,在经济、金融等领域有着重要的应用价值.密度核估计重点在于研究它的算法,使其估计值相对精确.本文提出了一种密度核估计的迭代方法,并通过算例与原有的密度核估计方法进行统计模拟比较,得出迭代后的值具有较好的拟合程度,充分验证了迭代方法的可行性与优越性.     

污染分布的近邻估计

本文研究了污染分布中污染系数和未知主体分布密度的估计问题.利用近邻估计法得到了它们的估计量,并且证明了此估计量均满足一致弱相合性,同时对污染系数的估计进行了统计模拟,并与用核密度估计得出的结果作比较.结果显示估计的好坏与样本量的多少和参数的选取有关.     

一类新的极值指数估计

本文提出一类新的极值指数的估计,在一阶与二阶条件下,证明所提出估计具有相合性与渐近正态性.尽管新的估计与Lp估计具有相同的渐近行为,但是新的估计构造相当简单,而且在有限样本下,同一水平进行比较,新的估计表现好于Lp估计.同时,利用Monte-Carlo模拟,在最优水平下,与矩估计和混合矩估计进行比较,新的估计具有一定的...     

连续型多参数指数族参数的渐近最优的经验Bayes估计

§1 引言关于单参数经验 Bayes(EB)估计问题,目前讨论已经比较多了,但多参数的 EB 估计问题讨论的较少.最近陶波在[1]中讨论了正态分布 N(μ,σ~2)之参数θ=(μ,σ~2)的两参数 EB估计的渐近最优(a.o.)性.关于指数族的 a.o.EB 估计问题,陈希孺在[2]中讨论了一维离散型单参数指数族参数的 EB 估计的 a.o.性.本文考虑连续型多参数指数族参数的 EB 估     

连续型多参数指数族参数的经验Bayes估计的收敛速度

<正> §1.引言 关于单参数经验Bayes(EB)估计问题在文献中已讨论比较多了,但多参数的EB估计问题涉及较少.最近陶波在[1]中讨论了正态分布N(μ,σ~2)之参数θ=(μ,σ~2)的EB估计的渐近最优(a.o.)性.关于单参数指数族的EB估计问题,R.S.Singh,P.E.Lin及陈希孺在[2]、[3]和[4]中分别作了研究.本人最近在[5]中讨论了连续型多参数     

帕累托索赔分布中风险参数的经验贝叶斯估计

本文建立了贝叶斯模型,讨论了帕累托索赔额分布中参数的估计问题,得到了风险参数的极大似然估计、贝叶斯估计和信度估计,并证明了这些估计的强相合性.在均方误差的意义下比较了这些估计的好坏,并通过数值模拟对均方误差进行了验证,结果表明,贝叶斯估计比其他估计具有较小的均方误差.最后,给出了结构参数的估计并证明了经验贝叶斯估计和经验贝叶斯信度估计的渐近最优性.     

高频金融数据的高维积分波动率矩阵估计

高维积分波动率矩阵是资源配置和风险管理的重要统计量,对其估计是金融统计和风险度量中的热点和核心问题之一.本文在带有市场信息的微观结构噪声下,考虑了高频金融数据大量资产的积分波动率矩阵估计问题.在多资产价格观察不同步下,当资产数和样本量都趋向于无穷时,本文利用不重叠区间方法和稀疏性特征提出了高维积分波动率矩阵估计,证明了该估计量具有相合性,较在加性噪声下的估计具有更快的收敛速度,其收敛速度可以达到已存在高维积分波动率矩阵估计在无噪声下的最快收敛速度.对所提出的估计与现有的高维积分波动率矩阵估计进行模拟比较,结果表明本文提出的估计方法具有优良的性质.最后将提出的估计应用于上海证券指数数据的实证研究中.     

一类新的极值指数估计（英文）

本文提出一类新的极值指数的估计,在一阶与二阶条件下,证明所提出估计具有相合性与渐近正态性.尽管新的估计与L_p估计具有相同的渐近行为,但是新的估计构造相当简单,而且在有限样本下,同一水平进行比较,新的估计表现好于L_p估计.同时,利用Monte-Carlo模拟,在最优水平下,与矩估计和混合矩估计进行比较,新的估计具有一定的优势.     

失真风险保费的最优经验厘定

研究了贝叶斯模型中失真风险保费的经验厘定问题.通过引入分布函数的加权积分损失函数,利用信度理论的方法最小化期望损失得到分布函数的最优线性估计,进而得到失真风险保费的两个信度估计,并对信度估计的统计性质进行了比较.文章还讨论了失真函数和权重函数的选取问题,给出了结构参数的估计方法,证明了估计的无偏性和相合性.最后,利用数值模拟的方法验证了估计的收敛情况,并对不同失真函数下的收敛情况进行了比较.     

定数截尾场合下混合指数威布尔分布的参数估计

混合指数威布尔分布是寿命数据分析中一个重要的统计模型.但是利用传统的矩法估计,极大似然估计等估计模型的参数比较困难.应用ECM算法,研究了混合指数威布尔分布在定数截尾数据场合下的参数估计问题,并以数值模拟验证用ECM算法来估计混合指数威布尔分布在定数截尾数据场合下的有效性.     

基于超总体伪设计与组合样本的候选者数据库网络调查的推断研究

候选者数据库网络调查的推断问题是网络调查发展中迫切需要解决的问题.基于此,提出基于超总体伪设计与组合样本的非概率抽样推断方法:对网络候选者数据库的调查样本建立超总体模型来构造伪权数,并根据网络候选者数据库的调查样本和概率样本的组合样本计算总体均值的估计,最后根据超总体模型的方差估计理论推导出目标总体均值估计的方差估计式,同时采用Bootstrap与Jackknife方法来估计总体均值估计的方差,并比较不同方差估计方法的效果.研究结果表明:基于超总体伪设计与组合样本的总体均值估计效率高于仅使用概率样本的估计和仅使用网络候选者数据库的调查样本加权的估计,估计效果较好;方差估计方面,采用VM1、VM2与VM3方法计算的方差估计相比而言更好.     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

非参数回归模型均值与方差双重变点的估计

本文基于核估计和小波方法研究异方差非参数回归模型中均值函数和方差函数均存在变点的估计问题.首先,构造基于均值函数的核估计量,求出均值变点位置及跳跃度的估计.其次,利用小波方法构造方差变点的估计量,运用该估计量获得方差变点位置与跳跃度的估计,给出变点估计量的渐近性质.最后数值模拟并通过比较验证了方法的有效性.     

纵向数据边际模型非参数光滑方法的比较

对于纵向数据边际模型的均值函数, 有很多非参数估计方法, 其中回归样条, 光滑样条, 似乎不相关(SUR)核估计等方法在工作协方差阵正确指定时具有最小的渐近方差. 回归样条的渐近偏差与工作协方差阵无关, 而SUR核估计和光滑样条估计的渐近偏差却依赖于工作协方差阵. 本文主要研究了回归样条, 光滑样条和SUR核估计的效率问题. 通过模拟比较发现回归样条估计的表现比较稳定, 在大多数情况下比光滑样条估计和SUR核估计的效率高.     

基于刀切岭估计的线性回归参数的最小体积置信集

本文基于岭估计研究了正态线性回归模型中未知参数的最小体积置信集问题.利用Jackknife方法,获得了在不同情况下未知参数的最小体积置信集.最后,与经典置信集进行比较,在最小体积意义下我们所得到的置信集是最佳的.     

距离空间中插值神经网络的误差估计

研究距离空间中的神经网络插值与逼近问题.首先引进一类广义的激活函数,用比较简洁的方法讨论距离空间中插值神经网络的存在性,然后给出插值神经网络逼近连续函数的误差估计.