纵向数据下存在测量误差的单指标模型的估计及应用

纵向数据是一类在社会学、经济学、生物医学、传染病学等领域有着广泛应用的重要的数据类型.然而在实际问题中,人们会经常遇到变量维数很高且关心的变量不能直接观测也即存在测量误差的情形.为了解决此类问题,本文研究存在测量误差的纵向数据下单指标模型的估计问题.基于局部线性光滑法和模拟外推(SIMEX)法,本文构造了估计单指标参数和非参连接函数的新方法.通过蒙特卡罗数值模拟验证所提估计方法的有效性,与忽略测量误差的Naive估计以及忽略个体内部相关性的估计相比,本文所构造的估计具有更小的均方误差.最后,我们将本文方法应用到上市公司投资需求的实际数据分析中,结果表明在实际问题中测量误差对参数估计影响显著.

沪牌价格预测研究--基于外部回归量的ARIMA模型

上海的私家车牌照采用拍卖的形式,竞争激烈,千金难求,因此研究拍卖价格的变动趋势对沪牌价格预测具有较高的现实意义。车牌拍卖价格序列符合时间序列的性质,ARIMA模型根据历史信息和变动趋势对未来信息进行预测,能较好地把握时间序列的动态规律。因此,首先通过ARIMA模型拟合沪牌往期拍卖价格,得出沪牌价格的变动趋势。此外,沪牌拍卖价格不仅与历史信息有关,还受到外部回归量的影响,在ARIMA模型的基础上,首次加入两个外部回归量,即中标率和警示价,从而得到基于外部回归量的ARIMA模型。通过对预测结果的对比分析,利用历史数据对沪牌价格进行拟合,预测结果和实际值十分接近,能够有效地预测沪牌价格,且相对于传统ARIMA模型,基于外部回归量的ARIMA模型的预测效果更好。