响应变量随机缺失下的广义变系数模型的估计

在响应变量随机缺失时,利用拟似然方法给出了广义变系数模型中非参数函数系数的估计.研究了所得到的估计的渐近性质,求出了估计的渐近偏差与渐近方差,并进行模拟比较.     

内生性协变量下广义变系数模型的工具变量估计

在模型的部分协变量为内生性协变量的情况下,考虑广义变系数模型的一类估计问题.通过结合基函数逼近和一些辅助变量信息,提出了一个基于工具变量的估计过程.并得到了估计的相合性和收敛速度等渐近性质.所提出的估计方法可以有效地消除协变量的内生性对估计精度的影响,并且具有较好的有限样本性质.     

广义矩估计模型平均

模型平均方法以其稳健性好,遗失有用信息少等诸多优点而成为目前统计学和计量经济学界研究的热门问题,在经济,金融,生物,医学等领域有着广泛的应用前景.在模型平均的理论研究过程中如何选取权重是最重要的问题.现存的模型平均方法大都是在最小二乘估计的基础上研究的,并且大多数通过光滑AIC,光滑BIC和最小化Mallow准则得到组合的权重.但是在广义矩估计的基础上模型平均的研究还很不完善,文章在广义矩估计条件下提出了通过最小化目标参数平均估计量的渐近方差来获取权重.这种方法使得所得到的平均估计更加的稳健.蒙特卡洛模拟实验显示文章获得的模型平均估计量的风险与光滑AIC,光滑BIC和MMA相比相对较低.     

数据非随机缺失时单变量的分布函数估计

本文研究数据非随机缺失下的分布函数估计问题.在确定缺失数据是否属于某些指定区间的前提下,对一维随机变量y的分布函数F(y)作出了估计.此时,假定数据缺失机制形式已知,但包含某未知多维参数θ.本文证明了未知参数θ的估计量(θ)的相合性和渐近正态性,也证明了分布函数F(y)的估计量F(y)的相合性和渐近正态性.     

协变量随机缺失下线性模型的经验似然推断及其应用

考虑协变量带有缺失的线性模型,提出了加权的经验似然方法和借补的经验似然方法,证明了所提出的经验对数似然比渐近于χ~2分布,由此构造回归系数的置信域。模拟研究了所提出方法的有限样本性质,并进行了实例分析。     

协变量含误差下广义线性模型的SEE变量选择

利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的.另外,该变量选择过程不需要求解任何凸优化问题,从而具有较强的适应性并且在实际应用比较容易计算.理论证明该变量选择方法是相合的,并且对非零回归系数的估计达到了最优的参数收敛速度.数值模拟结果表明所提出的变量选择方法可以有效地消除测量误差对估计精度的影响,并且具有较好的有限样本性质.     

非参数空间滞后模型的广义矩估计

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

响应变量随机缺失下的半参变系数模型的均值估计

在响应变量随机缺失时,研究了半参数变系数模型响应变量均值的借补估计.首先利用完整个体估计模型中的参数与非参数部分,然后再用借补方法与加权借补方法估计响应变量的均值.最后求出了估计的渐近偏差与渐近方差,研究了所得到的估计的渐近性质,并进行模拟比较.     

响应变量随机缺失下变系数模型的变量选择

In this paper,we present a variable selection procedure by combining basis function approximations with penalized estimating equations for varying-coefficient models with missing response at random.With appropriate selection of the tuning parameters,we establish the consistency of the variable selection procedure and the optimal convergence rate of the regularized estimators.A simulation study is undertaken to assess the finite sample performance of the proposed variable selection procedure.     

非参数方法下条件矩限制回归模型的广义矩估计

本文讨论条件矩限制回归模型的参数估计.使用非参数估计方法给出条件密度和条件均值的估计,在此基础上给出参数的广义矩估计.进一步讨论了估计的渐近正态性.     

协变量缺失下部分线性模型的模型选择和模型平均

本文研究了协变量随机缺失下部分线性模型的模型选择和模型平均问题.首先利用逆概率加权方法得出了线性回归系数和非参数函数的估计,并在局部误设定框架下证明了线性回归系数估计量的渐近正态性.然后构造了兴趣参数的兴趣信息准则和频数模型平均估计量,并根据该模型平均估计量构造了一个覆盖真实参数的概率趋于预定水平的置信区间.模拟研究和实例分析分别说明了本方法的优越性和实用性.     

带辅助协变量的分组相关失效时间数据的边际模型

本文研究了带有辅助协变量的分组相关失效时间数据的边际风险模型,获得了未知参数的伪偏似然估计,证明了所得估计的相合性和渐进正态性.     

因变量缺失下线性变量含误差模型的估计

主要考虑线性模型在自变量测量含误差以及因变量缺失情况下的估计问题.对于模型中的回归系数,我们基于最小二乘方法提出了两类估计,其中一类估计只由完整观测数据构成,而另外一类估计利用的则是利用简单插补方法构造的完整数据.证明了这两类估计是渐近正态性的.     

广义矩估计的重对数律

本文研究了广义矩估计的性质.利用强相合性的条件,得到了广义矩估计满足重对数律的结果.     

耐用品长期风险模型的广义矩估计和可测性研究

基于我国2002年到2012年的季度数据,本文使用广义矩估计方法检验了耐用品长期风险模型。模型参数依赖的状态变量不可观测,通过推导把状态变量表示成可以观测的指标价格红利比率,从而可以对模型参数进行估计。研究表明,投资者的风险厌恶系数和跨期替代弹性相互分离,模型能够有效刻画投资者的消费和投资行为特征。此外,模型预测成分对于红利增长率、市场收益率和股权溢价有较强的预测能力,而对消费增长率的预测能力有限。     

协变量维数可以趋于无穷的纵向数据的广义估计方程分析

广义估计方程(GEE)是分析纵向数据的常用方法.Balan,Schiopu-Kratina(2005)研究了协变量维数固定,GEE估计的渐近正态性.WANG(2011)研究了协变量维数趋于无穷,GEE估计的渐近正态性和响应变量是两点分布Wald统计量的渐近分布.本文证明协变量维数是固定的或趋于无穷,响应变量是任意分布的Wald统计量的渐近分布是卡方分布,Wald统计量可以直接用于统计推断.     

非参数空间滞后模型的广义矩估计北大核心CSCD

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

变系数联立模型的局部线性广义矩变窗宽估计

在随机设计条件下,提出了一类变系数联立模型,运用局部线性广义矩变窗宽估计,对模型的变系数进行了估计,研究了估计量的大样本性质.利用概率论中大数定律和中心极限定理,证明了估计量的大样本性质,局部线性广义矩变窗宽估计具有相合性和渐进正态性.     

广义Pareto分布的广义有偏概率加权矩估计方法

广义Pareto分布(GPD)是统计分析中一个极为重要的分布,被广泛应用于金融、保险、水文及气象等领域.传统的参数估计方法如极大似然估计、矩估计及概率加权矩估计方法等已被广泛应用,但使用中存在一定的局限性.虽然提出很多改进方法如广义概率加权矩估计、L矩和LH矩法等,但都是研究完全样本的估计问题,而在水文及气象等应用领域常出现截尾样本.本文基于概率加权矩理论,利用截尾样本对三参数GPD提出一种应用范围广且简单易行的参数估计方法,可有效减弱异常值的影响.首先求解出具有较高精度的形状参数的参数估计,其次得出位置参数及尺度参数的参数估计.通过Monte Carlo模拟说明该方法估计精度较高.