部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

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。

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

部分线性变系数模型的贝叶斯复合分位数回归

部分线性变系数模型由参数和非参数2部分组成,具有适应范围广和解释性强双重优点。针对该模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归,并基于Gibbs抽样算法推导出所有未知参数的后验分布,以获取参数的估计值。通过数值模拟对贝叶斯复合分位数回归与贝叶斯分位数回归、贝叶斯线性回归参数估计效果进行比较分析,结果显示:当误差服从非正态分布时,在均方误差准则下,贝叶斯复合分位数回归估计表现更优。基于上述3种方法对实例数据进行预测分析,结果表明:在平均绝对偏差和均方误差预测意义下,基于贝叶斯复合分位数回归的预测效果更好。

部分线性变系数模型的贝叶斯分位数回归

针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。

基于辅助回归的面板数据固定效应变系数模型的估计

本文针对面板数据固定效应变系数模型引入辅助回归来解释个体效应与协变量之间的关系,以此来处理固定效应,将模型转化为部分线性变系数模型.为了获得系数函数的估计,采用正交投影的方法消除固定效应,进一步基于局部线性估计对系数函数进行估计.在一些正则条件下,给出了系数函数估计的渐近性质.随后,模拟研究了所提出的估计方法的有限样本性质.模拟结果表明无论个体效应是随机的还是固定的,本文方法优于已有的方法.最后,对艾滋病人的CD4数据进行了实证分析.

部分线性变系数测量误差模型的约束Liu估计

本文考虑部分线性变系数测量误差模型的估计问题,同时考虑线性部分自变量存在多重共线性和线性部分存在约束条件时两种情形,基于校正的profile最小二乘技术与Liu估计方法,分别构造了未知参数分量的Liu估计和约束Liu估计,并研究了所提估计量的渐进性质。

微胶囊相变材料改良粉砂土的导热系数及预测模型

【目的】针对季节冻土地区渠道冻融破坏,分析微胶囊相变材料(microencapsulated phase change materials,mPCM)改良粉砂土层渠基的温度场,对改良粉砂土的导热系数进行研究。【方法】以mPCM为改良剂,掺入渠基粉砂土形成mPCM改良粉砂土;对mPCM改良粉砂土进行导热系数实验和内部结构表征;采用多元线性回归和支持向量机(support vector machine,SVM)方法分别建立mPCM改良粉砂土的导热系数预测模型。【结果】mPCM改良粉砂土导热系数与含水率、干密度、mPCM掺量有关,且受冰水相对含量、冰水相变潜热、mPCM相变潜热和mPCM填充密实作用的影响,具有明显的温度效应;mPCM改良粉砂土导热系数的变化与实验温度和mPCM相变温度有关,可分为快速降低、缓慢降低和逐步上升3个阶段;多元线性回归和SVM模型均能较好地拟合预测mPCM改良粉砂土的导热系数,但SVM模型更适用于表征mPCM改良粉砂土导热系数各影响因素间的非线性关系。【结论】mPCM改良粉砂土的导热系数提高能够有效调控渠基土温度场,减轻渠道冻害,且SVM模型能更加准确地进行导热系数预测。

趋势固定效应函数系数面板模型的估计与应用研究

传统固定效应变系数面板模型因在捕捉截面个体的异质性方面具有显著优势而被广泛应用于经济分析中,但其劣势在于忽略了不同截面个体之间的共同性。为弥补上述不足,本文构建了趋势固定效应函数系数面板模型,从理论上分析新模型相对于传统固定效应变系数面板模型的优越性,在此基础上针对该模型提出参数的两步估计法,并推导估计量的渐近性质。一系列蒙特卡罗模拟结果表明,本文构建的模型比传统模型具有明显优势,且提出的估计方法具有良好的有限样本性质。将模型和估计方法应用于外商直接投资(FDI)对地区经济增长影响的研究,结果表明FDI对经济增长的影响随着地区初始经济发展水平的变化而变化,即FDI对经济增长具有非线性动态偏效应。

部分线性变系数模型的随机约束岭估计

作为变系数模型和部分线性模型的推广,部分线性变系数模型近年来得到越来越多的关注.本文考虑该模型在线性部分自变量存在多重共线性并且参数分量附加有随机约束条件时的估计问题.基于profile最小二乘技术以及岭估计和混合估计方法,构造参数分量的profile混合岭估计,并且研究所提估计量的渐近性质.最后利用数值模拟验证所提估计方法的有效性.

响应变量随机缺失下的变系数部分线性模型的经验似然推断

本文考虑了响应变量随机缺失下的变系数部分线性模型的估计问题。利用经验似然方法,给出了参数部分的调整经验似然比函数,证明其渐近服从标准卡方分布。进而构造了参数部分的置信域,得到了其极大经验似然估计的最优参数收敛速度和渐近半参数有效界。模拟结果表明调整经验似然方法优于未调整的经验似然方法。

带有误差线性协变量的半参数变系数部分线性模型的协变量选择(英文)

考虑了一些协变量不被观察到,但辅助变量可用时的半参数变系数部分线性模型.提出了基于SCAD惩罚的参数分量的变量选择方法,且估计既有渐近正态性又有先知性.模拟研究说明了所提出变量选择方法的有限样本性质.

响应变量随机缺失下变系数部分线性模型的借补经验似然推断

考虑响应变量随机缺失下的变系数部分线性模型的估计问题.利用构造基于借补值的辅助随机向量,给出了参数分量的借补经验对数似然比函数.证明了其渐近服从标准卡方分布,进而给出了参数分量的置信域.

部分线性变系数模型中误差方差的估计(英文)

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类在建模中应用非常广泛的模型.本文基于Profile最小二乘方法给出了模型中误差方差的估计并证明了该估计的渐近正态性.最后通过数值模拟验证了我们所提估计方法的有效性.

部分线性变系数模型Backfitting估计的渐近性质

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用广泛的数据分析模型.利用Backfitting方法拟合这类特殊的可加模型,可得到模型中常值系数估计量的精确解析表达式,该估计量被证明是n^(1/2)相合的.最后通过数值模拟考察了所提估计方法的有效性.

变量有误差的变系数部分线性模型的估计

研究了变系数部分线性回归模型的估计方法.在误差为条件异方差的情况下,用一般序列估计方法得到的参数估计是有效的.但实际应用中,协变量往往有测量误差,若忽略测量误差,由一般序列估计得到的估计是有偏的.通过对一般序列估计进行适当修正,得到的参数部分的估计具有一致性和渐近正态性,同时也讨论了非参数部分估计的收敛速度.最后,在有限样本下通过Monte Carlo模拟验证了修正后的估计效果.

变系数部分线性模型的拟合优度检验

本文考虑变系数部分线性模型的拟合优度检验问题.基于Profile经验似然方法,构造了参数部分和非参数部分的经验似然比检验统计量.并证明了其满足Wilks'现象,进而得到了一定置信水平的拒绝域.最后通过数据模拟,讨论了其检验功效.

部分线性变系数EV模型估计的渐近正态性

研究非参数部分带有测量误差(EV)的部分线性变系数模型,综合局部纠偏方法和Profile最小二乘估计方法定义了模型中未知参数和系数函数的估计,并在适当条件下证明了它们的渐近性质,最后通过数值模拟研究了所提估计方法在有限样本下的实际表现。

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。