新质生产力水平的统计测度与时空演变特征研究

文章基于新质生产力的内涵和主要特征,测算了2010—2021年中国30个省份的新质生产力水平,并分析了新质生产力水平的区域差异及动态演变特征,结果显示:(1)研究期内,中国新质生产力水平整体上呈现上升趋势,地区间差异较大,形成“东高西低”的区域发展格局。(2)新质生产力水平存在显著的区域异质性特征,东部地区内部的新质生产力水平差异大于中西部地区,东-西部及东-中部的地区间差异是导致中国新质生产力水平区域差异扩大的主要原因。(3)从新质生产力水平的分布及演变特征来看,全国及东西部地区的新质生产力水平均存在极化现象。从时空动态演进特征看,中国新质生产力水平不存在跨越式跃迁,整体上呈现梯度上升趋势,新质生产力水平较高的省份能够发挥辐射带动作用,促进邻近省份的发展,而当邻近省份的新质生产力水平较低时,该省份将趋于保持相对稳定的状态。

超高维数据下部分线性可加分位数回归模型的变量选择

在超高维数据中,一方面,协变量的维数可能远远大于样本量,甚至随着样本量以指数级的速度增长;另一方面,超高维数据通常是异质的,协变量对条件分布中心的影响可能与他们对尾部的影响大不相同,甚至会出现重尾以及异常点的复杂情况。文章在协变量维度发散且为超高维的情况下研究了部分线性可加分位数回归模型的变量选择和稳健估计问题。首先,为了实现模型的稀疏性和非参数光滑性,引入了一种非凸Atan双惩罚,并采用分位迭代坐标下降算法来解决所提方法的优化问题。在选择适当正则化参数的情况下,证明了所提双惩罚估计量的理论性质。其次,通过模拟研究对所提方法的性能进行验证。模拟结果表明,所提方法比其他惩罚方法具有更好的表现,尤其是在数据存在重尾的情况下。最后,通过基于癌症筛查病人血液样本数据的实证来验证所提方法的实用性。

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。

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.

低碳城市试点政策对上市企业绿色转型的影响效应及机制研究——基于面板数据分位数处理效应模型

国家自2010年开始实施低碳城市试点政策,旨在激励企业提高资源管理和技术创新水平,推动企业绿色转型以实现可持续发展。基于2006—2021年上市企业数据,从绿色技术转型、绿色管理转型、绿色营收转型三个维度出发测算上市企业绿色转型程度,分析低碳城市试点政策对上市企业绿色转型的作用机理,运用面板数据分位数处理效应模型探究二者之间的影响。研究发现,低碳城市试点政策对上市企业的绿色转型具有促进作用,尤其对于绿色转型程度较低的企业影响更为显著。机制分析表明,低碳城市试点政策通过提高上市企业盈利能力和科技创新水平来促进绿色转型,并且环境监管压力起到了调节作用。异质性分析揭示,低碳城市试点政策能有效促进东、西部地区以及规模较大的上市企业实现绿色转型。

产业结构优化驱动下的经济高质量发展路径研究

产业结构转型作为推动区域经济增长的重要动力,对实现经济高质量发展具有重要意义。文章基于2005—2022年31个省会城市的面板数据,从经济基础、社会成果、生态成果3个维度,运用熵权法测算了经济发展水平,并探讨了产业结构转型对经济高质量发展的影响。实证分析中,综合考察了产业结构高级化与合理化对经济高质量发展的作用。为确保分析的准确性,引入混合效应模型、随机效应模型、双固定效应模型、时间固定效应模型及个体固定效应模型5种模型,通过F检验和Hausman检验对比各模型的适用性,最终选取双固定效应模型进行深入分析。研究结果表明,产业结构转型,特别是产业结构的高级化与合理化,对经济高质量发展具有显著的促进作用。文章旨在为地方政府和企业在优化产业结构、推动经济高质量发展方面提供有力的政策参考。

基于新扩展Weibull分布的参数估计及应用

Weibull分布是Arccosine-X分布族的一个特例,本文提出一种新的具有两参数的Arccosine-Weibull(AC-W)分布。研究了AC-W分布的基本统计性质,使用频率学派的最大似然估计(MLE)方法讨论了AC-W分布的参数估计,并通过蒙特卡罗模拟分析来评估所获得估计量的效率,最后选取一组真实的洪峰数据集,将AC-W与其他竞争分布进行比较。采用AIC、BIC、CAIC和HQIC等信息准则评估AC-W分布在拟合数据方面相较于竞争分布的优越性,证明了AC-W分布的有效性和灵活性。

大数据时代统计学重构研究中的几个热点问题

随着新兴科学技术的迅猛发展,我们正面临大数据时代。大数据是"未来的新兴石油",它必将对未来的科技与社会经济的发展产生深远影响。认识大数据这个崭新的概念是一个逐步深化的过程,有必要将对大数据的研究上升为国家意志,因为大数据将深刻影响人类的决策模式和社会经济的运行模式,将发展成为一个极具潜力的新兴产业。迄今为止,国内外相关研究文献不多,为此,本文前瞻性地介绍当今大数据统计学理论研究中的几个热点问题,以期能有更多的后续研究。

半参数模型中误差方差的大样本性质

研究了自变量带有随机误差的半参数模型中误差方差的大样本性质 ,得到了渐近正态性和一致收敛性等前人未有的好结果。

异方差回归中的广义方差比检验(英文)

在同方差假设之下 ,线性模型在回归分析的理论与应用方面起着突出的作用 ,很受许多研究工作者的青睐 .然而 ,回归模型中同方差性这一标准假设不一定总是成立的 .因此我们考虑了用一类基于似残差的方法来检验异方差情形下线性模型拟合观测数据的情况 .本文既给出了大量的模拟 ,又给出了实际数据作为应用的例子 .效果都很好 .

外部压力对学生的数学及科学成绩效应的纵向研究——非参数分位回归方法(英文)

过去,许多研究主要集中在学生的经济背景与心理因素对其成绩的影响方面.然而,很少注意到外部压力对学生成绩的影响,诸如来自家长与同学方面的压力.本文重点放在这一有趣而且很重要的主题上,利用非参数分位回归中的"双核"法对美国青年人进行了深入地纵向研究,得到了几个很有趣的发现.这些研究的方法、结果不光对学生家长有用,而且对教育政策制定者与咨询者也有所裨益.

广义线性模型中一类推广的拟似然估计与异方差性诊断检验(英文)

本文考虑了随机设计情形下一类普通的异方差回归模型,在这个模型中,假定回归函数与方差函数之间的关系服从推广的广义非线性模型.该模型在实际中很常见,广义线性模型便是其特例.首先,我们导出了均值函数的局部加权拟似然估计;然后,用它来得到方差函数的估计,并且证明了这些估计有较好的性质;最后,建立了异方差检验统计量,文中的方法很吸引人.

分位回归的指数风险界

为了深入研究适应性分位回归问题,本文构建精确指数风险界(EERB),结果表明:该风险界成了为构建置信集的基石。另外,通常的相合性和收敛速度也可以由该风险界直接导出。这里值得一提的是:1)本文所提出的方法有很好的内在非连续结构,这与的确具有该结构的真实函数相吻合;2)当每个区域只有少量数据点时,估计可能不稳定。这意味着齐性检验与整个方法在这种情况下可能有问题;3)所提出的方法由于其自身的适应性,不会产生边界问题;4)从本文所提出的方法中得到的分位数曲线估计不会出现交叉问题;5)即使误差项的矩不存在,比如柯西分布,本文所提出的方法对于误差项分布的尾部性能依旧很稳健;6)在模拟研究中,比较了所提出的变化窗宽核光滑方法与局部线性光滑方法。

一类m-相依随机变量序列加权和的极值分布

我们将证明一类m-相依随机变量序列加权和的极值分布定理.该定理既无需i.i.d.这一假设,也不必计算协变量部分和的极限值,更没有繁杂的有关条件分布方面的假设.更重要的是该定理的结论有许多统计方面的直接应用.

面板数据的分位回归方法及其模拟研究

文章讨论了含有固定效应的面板数据模型,给出了3种估计未知参数的分位回归方法,蒙特卡洛模拟结果显示这些分位回归方法是处理面板数据的有效手段,且在误差非正态时优于均值回归方法。文章最后给出了一个真实数据的建模案例,得到了有利于决策的有用参考信息。

大数据下Leverage重要性抽样方法的稳健改进

大数据以其巨大的样本容量或超高的变量维度使得直接计算变得不再可能,如何有效地抽取一个合适的计算样本是值得思考的问题。本文借鉴Leverage重要性抽样的思想,提出了两种稳健的改进抽样算法,不仅有效地抽取了代表性高的计算样本进行回归估计,还规避了方差大和异质性导致协方差矩阵估计不准的问题。模拟数据的分析显示,相比于Ma(2015)的方法,本文提出的方法具有更为优良的估计结果。

面板数据的自适应Lasso分位回归方法研究

如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。

基于Gibbs抽样算法的面板数据分位回归方法

文章讨论了含有随机效应的面板数据模型,利用非对称Laplace分布与分位回归之间的关系,文章建立了一种贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,文章给出了Gibbs抽样算法下模型参数的点估计及区间估计,模拟结果显示,在处理含随机效应的面板数据模型中,特别是在误差非正态的情况下,本文的方法优于传统的均值模型方法。文章最后利用新方法对我国各地区经济与就业面板数据进行了实证研究,得到了有利于宏观调控的有用信息。

迈向统计研究国际前沿,推动统计改革与发展——中国人民大学第四届国际统计论坛暨第五届统计科学前沿国际研讨会综述

为借鉴发达国家经验,加强国际统计学者之间的相互交流,促进中国统计事业的发展,推动中国统计科学研究与国际水平接轨,第四届中国人民大学国际统计论坛暨第五届统计科学前沿国际研讨会于2010年7月10日-12日在中国人民大学举行。论坛由中国人民大学统计学院、应用统计研究中心、

贝叶斯复合分位回归的Gibbs抽样算法（英文）

大多数基于传统均值回归的建模方法都对非正态误差表现出不稳健的估计结果.和传统均值回归相比,复合分位回归(CQR)可以产生稳健的估计.基于一个复合反对称Laplace分布(CALD),我们建立了加权复合分位回归(WCQR)的贝叶斯分层模型.Gibbs抽样算法被发展用于WCQR的后验推断.最后,我们提供了一些模拟研究和一个实际数据分析来验证所提方法.