异方差混合地理加权回归模型的正交投影估计

文章针对误差项存在空间异方差的混合地理加权回归模型,提出了一种新的估计方法。该方法将正交投影、局部线性估计和广义最小二乘估计的思想相结合,能够单独对模型中的常数系数、系数函数和方差函数进行估计。通过数值模拟对所提方法的性能进行验证。模拟结果表明,所提方法比现有的再加权估计方法更具优势。最后,基于城镇居民文化消费水平及其影响因素的实证分析验证了所提方法的实用性。

基于MGWR模型的中国地级市城乡收入差距的空间异质性分析

本文选取2010年和2022年中国280个主要城市数据,对中国地级市城乡收入差距的时空演化特征进行探析,并借助多尺度地理加权回归模型探究各影响因素对中国不同地级市城乡收入差距影响程度的空间异质性特征和差异化空间尺度特征。研究结果显示:一是经典地理加权回归模型难以刻画不同变量对因变量的空间尺度差异,而多尺度地理加权回归模型通过不同尺度展现各变量对因变量的作用,因此其回归结果具有更高的可靠性。二是城镇化率对城乡收入差距的影响显著且在空间上的异质性最强,同时拥有较小的影响尺度,这意味着城镇化率对城乡收入差距的影响更为局部化,而产业结构、经济发展水平和旅游发展水平的影响尺度较大,即对城乡收入差距的影响在较大空间范围内是显著的。多尺度地理加权回归模型在解决空间异质性问题上展现出了明显优势。鉴于此,本文最后根据研究结果得出了一些政策启示.

配对设计中风险差的置信区间构造

风险差在配对设计中常用来对比某种疾病治疗前后或某种政策措施实施前后的有效性.文中针对风险差(Risk Difference)在配对设计中的置信区间估计问题,利用Delta法,改进Wald法,反双曲正切变换法,似然比检验法,鞍点逼近法方法进行置信区间构造,并通过Monte Carlo模拟计算区间覆盖率和区间长度,以比较这5种方法的表现性能.结果显示:不同方法的区间表现均不相同.其中鞍点逼近法明显优于其他4种方法;改进Wald法的表现仅次于鞍点逼近法,且随着样本量的增大,改进Wald法和反双曲正切变换法的性能差距逐渐减小;最后通过一个实例来验证这5种区间估计方法.

绿色金融对我国碳排放的影响研究——基于省级面板数据的实证检验

当前,中国经济转型刻不容缓,绿色金融受到广泛关注.在“双碳”的背景下,如何降低碳排放,发展绿色金融,是关系到国家未来发展的一个重要课题.选取2011—2021年我国30个省份的面板数据,从绿色信贷、绿色投资、绿色债券、绿色保险等4个维度测度绿色金融综合发展水平,运用双向固定效应模型实证检验绿色金融对碳排放的影响.结果表明:绿色金融4个维度变量对碳排放均产生显著的负向影响,说明发展绿色金融对低碳发展产生缓解作用;绿色金融对碳排放的影响程度存在区域异质性,中部地区的绿色金融对碳减排的作用最大,其次是西部地区和东部地区;从中介效应检验来看,绿色金融通过绿色技术创新的中介作用对碳排放还是会产生负向显著影响,这说明绿色金融能够通过绿色技术创新来减少碳排放.

独立逆抽样下优势比检验统计量的构造

优势比(OR)是医学研究中常用的重要指标,它反映的是疾病和暴露的关联强度。文章在独立逆抽样下采用五种方法构造优势比的检验统计量,即对数-Wald检验统计量(基于样本方差和基于原假设下的方差)、得分检验统计量、似然比检验统计量和基于Filler定理的检验统计量;通过蒙特卡洛模拟对五种检验统计量在控制第一类错误的能力与检验功效方面的表现性能进行评价。结果表明:在独立逆抽样下对优势比而言,基于样本方差的对数-Wald检验统计量是最有效的检验统计量,在相同参数设置下其既能保证犯第一类错误的概率最接近显著性水平,又能使得功效达到最大;其他四种检验统计量在控制第一类错误与保证检验功效方面都存在一定的不足。

乌鲁木齐市新冠肺炎疫情数据的贝叶斯分析

每日新增确诊病例和每日新增无症状感染者病例在探索新冠疫情的传播模式,分析疫情传播的影响因素等方面起着关键作用,因此利用合理的统计方法来探究它们的分布特征具有很重要的理论与实际意义.文中根据新疆乌鲁木齐市新冠疫情每日新增确诊病例与每日新增无症状感染者病例的实际数据,以探究数据的分布特征为目的,分别基于泊松分布,变点泊松分布与过度发散泊松分布对数据进行统计建模,利用贝叶斯方法对模型进行统计推断,并利用DIC值来评价各个模型的优劣.结果表明,三种模型对实际样本数据具有一定的的合理性,相比之下,基于过度发散泊松分布的模型具有最高的拟合优度,其次为变点泊松模型,泊松模型的拟合优度相对较差.

《统计模拟计算》课程教学改革的几点思考

《统计模拟计算》作为高校统计学专业的一门专业课程,目的在于培养大学生进行数值计算,数据挖掘,计算机编程,建立统计模型的能力。然而当前《统计模拟计算》课程教学效果并不好。为了能够提高《统计模拟计算》课程教学效果,本文从实际教学经验,分析了《统计模拟计算》教学中存在的几点问题。通过分析可知,当前《统计模拟计算》课程教学还存在学生数理统计基础薄弱、兴趣和自主学习意识不强、对R软件和编程技术不熟悉、教学方法和考核方式单一以及与课程思政融合不够的问题。针对这些问题,阐述了几种教学改革的有效方法,例如采用案例教学法、注重实验和实践教学、优化考核方式、注重与课程思政融合等,以期为高校教师提高教学水平提供一些有益的参考。

新疆能源消量与经济增长关系的非参数估计

本文采用1990~2014年的年度数据,对新疆的能源消费与GDP之间的关系进行了实证分析。应用非参数回归模型的局部常数拟合方法对新疆能源消量与GDP的关系进行了拟合,克服了经典回归模型研究新疆能源消量与经济增长关系的不足,实证结果表明,相对于线性回归模型,非参数回归方法更能有效地拟合能源消费与GDP之间的关系。

误差空间自相关GWR模型的截面最小二乘估计

为了处理空间数据同时存在的空间异质性和空间相关性,本文考虑了一类空间误差自相关GWR模型.该模型被视为经典GWR模型和空间误差模型的有效融合.由于模型中误差项的空间滞后项引起的内生性问题,使用现有的GWR模型的估计方法无法得到参数的一致估计.为此,本文结合局部线性估计和截面最小二乘估计的思想,提出一种新的模型估计方法.讨论了估计量的渐近性质,通过数据模拟评估了所提方法在有限样本下的性能,并将本文的方法和已有的方法进行比较.数据模拟结果表明,本文的方法能够更准确地估计模型参数和系数函数.最后通过一个实证案例来说明所提方法的实用性.

基于MOVER方法的二项抽样下相关差的置信区间构造

相关差又叫作相对风险减损,它主要衡量风险因素或治疗因素对于个体的额外影响,在流行病学研究中有着重要的临床意义.文章在独立二项抽样下,分别利用传统的区间估计方法和MOVER方法构造了相关差的九种置信区间.文章提出的MOVER方法的优点在于:借用MOVER方法,可以利用两个独立二项分布比率的置信区间来构造相关差的置信区间.与传统的区间估计方法相比,该方法的置信区间构造过程不需要计算相关差的渐近方差,同时不需要Fisher信息矩阵及其逆矩阵,可使计算大大简化.此外,文章通过蒙特卡罗数据模拟考察了九种区间估计方法在不同参数设置下的表现性能.数据模拟结果表明,MOVER方法与传统方法相比,MOVER方法可以提供更精确的置信区间.最后,文章通过实际数据案例来演示了所提出的九种区间估计方法的实际应用.

混合地理加权回归模型的空间异方差性检验

混合地理加权回归模型中一个常用的假设是随机误差项为同方差,然而实际问题中同方差性假设不一定成立。本文基于混合地理加权回归模型的残差平方和与残差绝对值,分别构造了两种空间异方差性检验统计量。通过蒙特卡洛数据模拟对两种统计量的控制第一类错误的能力和检验的功效进行评价。数据模拟结果表明,两种检验统计量在检测空间异方差性方面具有较好的准确性和可靠性,相比之下基于残差绝对值的检验统计量能给出更精确的检验结果,而且对不同的误差分布具有较强的稳健性。进一步,我们通过实际数据分析,验证了本文提出的两种检验统计量的有效性与实际应用,并给出了最后的结论。

数字普惠金融缩小城乡居民收入差距的空间效应分析

数字普惠金融服务使农村居民更便捷地获得金融支持,增加了经济参与和投资机会,提升了收入水平并缩小了城乡居民收入差距。文章基于2011—2022年中国30个省份的面板数据,利用探索性空间数据分析方法对中国省域数字普惠金融的时空演变特征进行了探析,通过应用空间杜宾模型,研究了数字普惠金融对城乡居民收入差距的空间溢出效应。结果表明:我国数字普惠金融指数在区域上表现出明显的空间异质性特征,且对我国城乡居民收入差距存在空间溢出效应,但数字普惠金融的三个维度变量对我国城乡居民收入差距的空间效应也存在差异。因此,建议在各地推广数字化普惠金融,以促进普惠金融的平衡发展,缩小城乡居民收入差异。

空间变系数分层自相关模型的截面似然估计及应用

非参数空间动态模型作为一类能同时处理回归分析中的空间非平稳性和空间依赖性现象的建模技术,在多类问题的研究中得到了广泛的应用.本篇将重点讨论当因变量中存在分层结构情形时的空间变系数模型.通过截面极大似然方法给出模型估计,并通过AIC准则将模型参数和非参数分量加以识别.证明了估计量的一致性和渐近正态性,蒙特卡洛数值模拟表明:在有限样本时该模型及方法是有效的.在对我国地方经济社会发展集聚性与差异的应用研究中,省内城市之间的经济发展空间溢出效应大于省边界城市之间的溢出效应,这两种空间溢出效应都是不可忽视的;此外,对外贸易和城镇化率对经济发展的影响不随着空间位置而发生变化,而其他影响因素,包括:人口密度、人力资本、储蓄水平、产业结构、政府干预、社会需求和公路密度对经济发展的影响存在显著的空间异质性.

变系数空间自相关模型的Bayesian-INLA估计

文章提出了一类变系数空间自相关模型(VCSAM)新的Bayesian-INLA估计方法.在这个模型中,响应变量具有空间自相关性,且包含变系数的非参数部分.尽管已有的工作对该模型已经进行了大量研究,但很少有研究使用贝叶斯方法提出高效求解模型的方法.因此基于上述动机,文章提出了基于Bayesian-INLA技术的方法,以寻求在VCSAM框架内代替MCMC方法的有效解决方案.变系数部分使用B-样条基函数的线性组合进行逼近,空间自相关系数采用M-H算法进行估计,并应用Bayesian-INLA技术来估计变系数函数和相关系数的后验分布.通过模拟研究,展示了文章提出的估计方法在同时处理空间依赖效应和空间非平稳性时的优势.此外,通过对波士顿房价数据的实证分析,展示了文章提出的估计方法优越的性能.