固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性。当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现。最后,将估计方法应用于分析碳排放的影响因素。

固定效应部分线性单指数面板模型的快速有效估计及应用

将最小二乘支持向量机(LSSVM)和二次推断函数法(QIF)相结合,构造了个体内具有相关结构的固定效应部分线性单指数面板模型的新估计方法;在一定的正则条件下,证明了参数估计量的渐近正态性,导出了非参数估计量的收敛速度;Monte Carlo模拟了所述方法在各种相关结构下的有限样本表现,并与惩罚二次推断函数(PQIF)法进行了比较;将估计技术应用于分析我国人口结构与居民消费率的关系.研究发现,该方法改善了估计量的有效性,应用效果良好,程序运行速度快,适合经济变量间的线性和非线性关系研究以及大数据分析.

长三角地区数字普惠金融与碳减排:助力还是阻力?--基于函数系数部分线性面板数据模型的实证分析

基于2011—2019年我国长三角地区41个城市面板数据,运用函数系数部分线性面板数据模型探讨数字普惠金融对碳减排的影响。研究发现,数字普惠金融对碳减排具有显著的非线性促进作用,且这种促进作用受经济发展水平的影响呈现区域异质性。特别地,当经济发展水平超过阈值人均GDP5.42万元时,数字普惠金融对碳减排的正向促进作用呈现先增强后减弱的“U”型关系。机制分析表明,数字普惠金融可以通过提高绿色技术创新水平促进碳减排。进一步研究发现,当经济发展达到一定程度时,数字普惠金融覆盖广度、使用深度和数字化程度对碳减排具有显著的促进作用,且覆盖广度和使用深度的促进作用大于数字化程度。

固定效应部分线性单指标空间自回归面板模型的二次推断函数估计

从模型结构的特点着手,获得了一些不依赖于工具变量的矩条件.将这些矩条件与二次推断函数法(QIF)和最小二乘虚拟变量法(LSDV)结合,为模型构建了一种新的估计方法.该方法的优点是考虑了空间内生性的同时,还将个体内的相关结构包含其中.进一步,在一些正则条件下,研究了模型估计量的大样本性质,发现非参数估计量具有最优收敛速度,参数估计量渐近于正态分布.同时,采用Monte Carlo模拟评价了估计方法在有限样本下的表现,结果表明文中所述方法的表现符合大样本性质,且远远优于忽略相关性的估计方法.最后,将所述方法应用于实际数据分析中.

广义部分线性单指数模型的惩罚样条估计

本文讨论了指数族广义部分线性单指数模型(Generalized Partially Linear Single Index Models,GPLSIM)的惩罚样条迭代估计,提出了基于惩罚似然和一组预先取定的单指数参数向量α的初始估计的迭代估计算法。另外本文还通过一组模拟数据的分析对所提出的迭代算法进行了验证。

固定效应部分线性单指标面板模型的惩罚经验似然估计

结合二次推断函数法、滤子法和经验似然估计法,为个体内存在相关性的部分线性单指标固定效应面板模型建立了惩罚经验似然估计法.在一些正则条件下,推导了模型估计量的大样本性质,证明了所提出的经验似然比渐近于卡方分布.进一步,用Monte Carlo模拟和真实数据分析评价了估计方法在有限样本下的表现.

随机效应空间滞后单指数面板模型

本文构建了随机效应空间滞后单指数面板模型的截面极大似然估计方法,从理论证明和数值模拟两方面分别考察了其估计量的大样本性质和小样本表现。研究结果表明:在大样本条件下,估计量均具有一致性,并且参数估计量具有渐近正态性;在小样本条件下,各估计量依然具有良好的表现,其精度随着样本容量的增加而提高。空间权重矩阵结构的复杂性对空间相关系数的估计量影响较大,但对其他估计量的影响较小。

部分线性单指标模型的序列相关性检验

部分线性单指标模型是一类重要的半参数统计模型,对于模型中的误差,如果存在序列相关,那么在进行统计推断时会遇到诸多问题。针对该情况,对部分线性单指标模型的序列相关性进行检验,用VT,P检验的方法构造VT,P检验统计量,得到了零假设下检验统计量的渐进分布。数值模拟验证结果表明,该检验有较好的检验功效。

部分线性固定效应空间滞后面板模型的估计研究

本文构建了一类部分线性固定效应空间滞后面板模型,在此模型中,综合考虑了固定效应、参数自变量和非参数自变量的影响。基于截面拟极大似然估计方法对模型的参数部分和非参数部分进行了估计,并在个体数n和时期数T都很大的情况下,推导估计量的大样本表现。研究结果表明,在大样本条件下,估计量具有一致性,参数估计量满足渐近正态分布并且收敛速度为(nT)^(1/2)。

部分线性单指标EV模型中参数的经验似然置信域

考虑部分线性单指标EV模型,利用纠偏方法构造了模型中未知参数的经验对数似然比统计量.在适当条件下,证明了所提出的统计量依分布收敛于标准χ2分布,所得结果可以构造未知参数的置信域.通过模拟研究在置信域精度及其覆盖概率大小方面进行了说明.

纵向数据下部分线性单指标模型M-估计的大样本性质

针对纵向数据下部分线性单指标模型的参数估计问题以及未知连接函数的估计问题,提出了一种稳健的对单指标部分和线性部分参数同时进行估计的M-估计方法,对未知连接函数做局部多项式估计,在一些正则条件下,研究了回归函数及其导数以及回归系数的M-估计的渐进性质,利用随机模拟方法,验证了所提方法的有效性.

纵向数据下部分线性单指标模型的变量选择

研究各种复杂数据之间的关系以及研究各种模型中各个有效协变量的选择方法是统计学研究领域的一项重要的工作。针对纵向数据下的部分线性单指标模型,采用对其线性部分参数与单指标部分的参数的估计与变量选择同时进行SCAD、LASSO、ALASSO惩罚的方法。并且在一定的条件下,证明了一些惩罚估计量有Oracle性质,其结果是参数估计的渐进均值、渐进协方差与参数真实值的渐进均值、渐进协方差相同。还利用随机模拟方法,研究了估计的大样本性质,说明所提出的方法对于参数的变量选择是可行的。

固定效应面板数据部分线性模型的加权截面LSDV估计(英文)

本文考虑误差为自回归过程的固定效应面板数据部分线性回归模型的估计.对于固定效应短时间序列面板数据,通常使用的自回归误差结构拟合方法不能得到一个一致的自回归系数估计量.因此本文提出一个替代估计并证明所提出的自回归系数估计是一致的,且该方法在任何阶的自回归误差下都是可行的.进一步,通过结合B样条近似,截面最小二乘虚拟变量(LSDV)技术和自回归误差结构的一致估计,本文使用加权截面LSDV估计参数部分和加权B样条(BS)估计非参数部分,所得到的加权截面LSDV估计量被证明是渐近正态的,且比可忽略误差的自回归结构模型更渐近有效.另外,加权BS估计量被推导出具有渐近偏差和渐近正态性.模拟研究和实际例子相应地说明了所估计程序的有限样本性.

基于纵向数据部分线性单指标模型的CD4细胞统计分析

部分线性单指标模型是一类非常重要的半参数模型,它对于克服非参数统计中的维数灾难问题具有重要的理论价值。以该模型应用于HIV血清转换器中CD4细胞的统计推断,研究CD4细胞和SMOKE(通过香烟包测量的吸烟状况)、Year(自血清转换后的时间的影响)、PreCD4(感染前CD4细胞数)、年龄(相对于给定的时间来源)的关系。研究结果表明,CD4细胞和吸烟状况、血清转换的时间、年龄成正相关,与感染前细胞数成负相关。

部分线性固定效应面板数据模型的序列相关检验

考虑了部分线性固定效应面板数据模型的序列相关检验问题,基于差分方法和B样条展开得到了模型中未知参数和非参数分量的估计,进而构造了检验统计量。在原假设成立的条件下证明了所构造的检验统计量具有渐近标准正态分布,并通过数值模拟研究了所提出的估计和检验方法在有限样本下的表现。

局部平稳部分线性面板数据模型的统计推断

部分线性模型是一类非常重要的半参数回归模型,由于它既含有参数部分又含有非参数部分,与常规的线性模型相比具有更强的适应性和解释能力。文章研究带有局部平稳协变量的固定效应部分线性面板数据模型的统计推断。首先提出一个两阶段估计方法得到模型中未知参数和非参数函数的估计,并证明估计量的渐近性质,然后运用不变原理构造出非参数函数的一致置信带,最后通过数值模拟研究和实例分析验证了该方法的有效性。

基于LASSO的部分线性单指标模型局部惩罚样条估计

针对部分线性单指标模型,文章构建了一种基于LASSO的部分线性单指标模型局部惩罚样条估计方法,以变异系数作为判断数据离散程度的依据,首先通过计算各节点中数据的变异系数,构造局部惩罚权重矩阵,由局部二次逼近方法,得到了带有LASSO局部惩罚的参数估计值,并讨论得出无惩罚样条估计和均匀惩罚样条估计是局部惩罚样条估计的特殊情况,然后使用"去一分量"法和Levenberg-Marquardt算法得到单指标部分的参数估计值,最后通过Monte-Carlo模拟验证了该方法的有效性和正确性。

响应变量随机缺失下部分线性单指标模型的非参数判别检验

研究了响应变量随机缺失情况下部分线性单指标模型的非参数部分检验问题,检验非参数部分预测变量同响应变量之间是否存在非线性关系.用参数和非参数函数的借补估计对缺失响应变量进行插值,并基于借补估计构造了广义似然比检验统计量,证明了其渐近分布性质.

固定效应部分线性变系数面板模型的快速有效估计

本文将最小二乘支持向量机(LSSVM)和二次推断函数法(QIF)相结合,为个体内具有相关结构的固定效应部分线性变系数面板模型提供了一种新的快速估计方法;在一定的正则条件下,论证了参数估计量的渐近正态性和非参数估计量的收敛速度;采用Monte Carlo模拟考察了估计方法在有限样本下的表现并将估计技术应用于现实数据分析。该方法不仅保证了估计的有效性和统计推断力,而且程序运行速度得到较大幅度提升。

指数平方损失下变系数部分非线性模型的估计

本文对变系数部分非线性模型基于指数平方损失的方法进行稳健估计,这种方法不受异常值和重尾误差的影响,稳定性强.其中对变系数部分使用了B样条基函数进行逼近.在一定的正则条件下,我们建立并证明了估计量的渐近性质.