中国经济增长质量的地区差异研究——基于半参数个体时间异质模型的检验

随着中国经济步入以中高速、优结构、新动力为主要特征的新常态,提高经济增长质量成为经济发展中迫切需要解决的重要问题。采用主成分分析法测算中国30个省(市、自治区)1998-2012年间经济增长质量指数值,运用半参数个体时间异质模型对各地区经济增长质量的差距进行检验,结果表明:中国30个省(市、自治区)的经济增长质量水平在1998-2012年间表现出收敛的趋势,且各地区经济增长质量差距的水平收敛假设被拒绝,地区经济增长质量的增长率随着时间收敛。分地区再检验结果显示,中部地区和西部地区两个分组的经济增长质量差距呈条件收敛趋势,而东部地区的经济增长质量差距呈发散趋势。进一步,采用聚类方法检验发现30个省(市、自治区)的经济增长质量水平存在一个趋同俱乐部。

基于时间序列数据Hull-White模型半参数估计方法

基于时间序列数据,对Hull-White短期利率模型进行半参数估计。通过两阶段估计方法,原半参数估计模型转化为非参数估计模型和全参数估计模型。前者使用核函数估计方法,后者使用极大似然估计,从而简化整个参数估计过程。实证的结果表明,在给定合适窗宽条件下,基于Hull-White模型的似然值将得到改善。

半参数模型自然样条函数法与时间序列法分析

针对半参数模型补偿最小二乘的关键是确定合适的正规矩阵和平滑因子问题,选取了3种方法得到的正规矩阵:自然样条函数法,时间序列法的一阶差分法和二阶差分法。探讨分析了不同正规矩阵对参数估值的影响,以及系统误差系数的变化与正规矩阵对参数的影响。模拟算例表明,不同正规矩阵得到的参数估值不同,系统误差系数的变化对自然样条函数法和一阶差分法的影响趋于一致。

改进的半参数模型法在GNSS时间序列季节性信号提取中的应用

GNSS基准站坐标时间序列具有明显的季节性变化。基于谐波函数模型的最小二乘拟合方法只能得到固定振幅的季节性信号,而真实的季节性信号其振幅是变化的。采用半参数模型进行季节性信号提取时又存在最优平滑因子确定困难、迭代速度慢的问题。提出一种赋相对权比的半参数模型,采用迭代更快速的黄金分割法与改进效率法相结合的策略确定最优平滑因子。通过模拟数据实验,验证了改进模型的可用性。实验表明:改进方法的计算效率明显提高,对于10 a长度的模拟数据,相较GCV函数法搜索速度提高68.1%,相较L-曲线法速度提高25.8%;计算精度较最小二乘法和半参数模型法均有提高,所得残差中没有明显的季节性信号。

复发事件数据在含治愈个体的半参数比率模型下的经验似然推断

随着医学的发展,某些无法治愈的疾病能够被治愈,并且在一段时间内不复发,从而导致在复发事件数据中出现治愈个体。本文针对复发事件数据基于含治愈个体的半参数比率模型提出一种经验似然方法,建立经验对数似然比函数,并证明Wilk’s定理。通过数值模拟将所提出的经验似然方法与正态逼近方法进行比较,得到在样本量较小时,所提出的经验似然方法解决了正态逼近方法覆盖率不足的问题。最后将本文方法应用于一组膀胱癌数据的分析,得到的结果与实际相符。

聚类生存数据参数和半参数加速失效时间模型对比

运用一种加速失效模型去分析聚类生存数据。模型的形式随着误差项变化而变化,误差项完全未知时,得到半参数模型,误差项的分布形式已知时,得到参数模型。对聚类生存数据来说,对同一类数据之间的关系不作任何假定,故考虑边际模型。主要提出一些参数的估计方法,通过数值模拟来验证估计量具有无偏性,方差估计与样本方差很接近。最后用半参数模型和参数模型分别来分析慢性肉芽肿病数据,进行拟合程度的比较,结果显示对于慢性肉芽肿病数据,参数加速失效时间模型拟合效果更好。

半参数回归模型拟极大似然估计的弱相合性

本文考虑一类固定设计的半参数回归模型,其误差为一阶自回归时间序列。用权函数及拟极大似然估计方法得到了一些参数及非参数的拟极大似然估计量,在适当的条件下,研究了它们的弱相合性,从而丰富了该类半参数回归模型的估计理论与方法。

误差为MA(∞)序列的半参数回归模型的小波估计的渐近性质

本文研究误差为MA(∞)时间序列的半参数回归模型.利用小波方法,研究了参数分量β非参数分量g(t)的小波估计βn、gn(·)的渐近性质.在适当的条件下,得到了βn的渐近正态性、强收敛速度、矩收敛速度及gn(·)的强相合性和矩相合性.

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。

半参数模型精度研究

通过对时间序列测量数学模型的研究,将半参数回归分析方法引入AR(p)模型,利用算例对其模型精度进行比较研究,得出引入半参数后可以检查出一般模型不能检查出的粗差或模型误差,提高结果精度的结论。

自适应模糊ARDL时间序列半参数模型

传统的模糊最小二乘时间序列模型在包含异常值的模糊数据集中表现出较差的性能。通过引入异常值检测策略,提出了一种降低异常值对未来预测影响的方法。为此,本文介绍了一种基于半参数技术的自适应模糊自回归分布滞后(ARDL)时间序列模型,该模型将半参数技术与加权最小二乘结合,根据加权平方距离误差,提出了在存在异常值时确定精确系数的估计程序,然后利用迭代算法对模糊时间序列模型的参数进行了估计。本文还扩展了传统时间序列模型中常用的几种拟合优度准则,以比较所提出的模糊时间序列方法与现有方法的性能。通过实际例子,验证了本文方法的有效性。结果清楚地表明,在模糊数据存在潜在异常值的情况下,本文提出的模型对模糊时间序列数据的预测具有可行性和有效性,优于其他模糊时间序列模型。

基于BP神经网络的自适应模糊半参数时间序列模型

本文介绍了一种自适应模糊半参数时间序列模型,该模型将半参数技术与反向传播神经网络(BPNN)相结合,形成具有LR-型模糊数据的自适应模糊时间序列模型。首先,提出了基于非参数核、加权最小二乘和交叉验证的混合方法,该方法可以同时估计回归参数和光滑函数以及带宽的最优值;其次,基于非线性残差序列建立BP神经网络,通过神经网络的运算得到新的偏差,使得在不确定条件下获得更丰富的信息,提高了预测精度。本文采用一些常见的拟合优度准则来检验所提出的自适应模糊半参数时间序列模型的性能。通过一个模拟仿真的例子,说明了该方法的有效性。最后,对所得结果的统计分析表明,该模型对模糊时间序列数据的预测具有可靠性和有效性,优于其他模糊时间序列预测模型。

确定删失数据下比例优比模型中参数的估计

介绍确定删失数据下带有随机效应的半参数比例优比模型中参数的极大似然估计以及估计的性质,并给出估计的算法.

一类部分线性时间序列模型的估计及其应用

以一类部分线性时间序列模型为基础,引入一阶自回归项的线性分量和二阶自回归项的非线性分量,能够在一定程度上避免线性时间序列分析的缺陷,拓宽研究时间序列数据的思路.建立模型后,对韶关地区生产总值(韶关GDP)进行分析,并与其他模型估计结果做对比,检验模型的有效性.

多类型复发间隔时间下广义半参数风险模型

本文在多类型复发间隔时间数据下,研究了一类广义半参数风险回归模型的参数估计问题,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了估计量的相合性和渐近正态性.最后利用数值模拟来评估估计量在有限样本下的表现.

应用半参数AR模型的电离层TEC建模与预测

本文基于时间序列分析的DDS(Dynamic Data System)建模法,对季节性的电离层总电子含量(TEC)时间序列观测值平稳化后建立自回归AR模型,提出以半参数AR模型对普通AR模型精化,并利用半参数AR模型对电离层TEC预报。实例分析表明:利用半参数AR模型对电离层TEC进行预报,在短期内半参数模型预报效果优于普通AR模型,但随着预报时间变长,则半参数模型预报精度明显下降,其预报效果则不如普通的AR模型。

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.

右删失数据下半参数转移模型的变量选择方法研究

变量选择对于识别高维协变量中对疾病发生或预后有重要影响的因素至关重要.然而,在生存分析中,失效时间数据经常伴随着删失,这使得变量选择方法的研究变得更为复杂.本文主要讨论右删失数据下半参数转移模型的变量选择问题.特别地,基于LASSO、Adaptive LASSO及SCAD三种惩罚函数,我们使用惩罚似然的思想并提出一个新的惩罚EM算法来同时实现变量选择和参数估计.数值模拟结果表明所提出的算法在有限样本下变量选择准确率高且表现较为稳定.最后,我们将所提出的方法应用到一组右删失乳腺癌数据中.

经济转型时期我国城镇居民消费与收入的长期均衡关系

由于确定性时间趋势项代表了经济发展等的因素对消费的影响,故本文首次基于带有非参数时间趋势项的半参数模型对我国1978-2005年的消费收入进行了协整检验,实证结果表明:转轨时期我国城镇居民人均收入与消费之间存在着长期均衡关系;收入是消费的一个重要决定因素;同时趋势项的影响也并不是如很多文章描述的那样具有直线形式。

区间删失生存数据的统计分析方法及其应用

在临床研究中,当只知道事件发生在某一给定的时间区间内,而不知道其确切时间点时,将这类数据称为区间删失数据（interval censored data）,表示为T∈（L,R][1],其中T表示个体的生存时间,L表示删失区间的下界,R表示上界。显而易见,区间删失包括左删失和右删失,临床研究中,区间删失现象比较常见,特别是在患者进行周期性随访的临床试验和队列研究中。