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.

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)。

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.

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.

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.

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。

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。

具有自相关误差结构的面板数据部分线性单指标模型的统计推断

部分线性单指标模型是在科学研究中具有广泛应用的经典半参数模型之一.本文主要研究具有自相关误差结构的面板数据的部分线性单指标模型的统计推断问题.通过结合局部多项式和纠偏广义估计方程方法,本文提出模型参数的可行加权广义估计(feasible weighted generalized estimating equation estimation, GEE-FW),证明该估计具有相合性和渐近正态性,并且在渐近方差意义下阐明该估计比工作独立的广义估计(generalized estimating equation estimation based on working independence,GEE-WI)更加有效.此外,本文对模型中未知连接函数提出两阶段局部线性估计(two step local linear generalized estimating equation estimation, GEE-TS),建立该估计的渐近性质.数值模拟研究和实际数据分析都表明了本文所提出的方法是有效的,在理论和应用方面均具有良好的表现.

固定效应部分线性可加面板数据模型的惩罚二次推断估计

具有较强解释力和灵活性的部分线性可加面板数据模型在各学科领域应用广泛.针对个体内存在相关结构的固定效应部分线性可加面板数据模型,本文在结合幂样条函数和最小二乘虚拟变量(LSDV)法的基础上,利用惩罚二次推断函数(PQIF)法对模型进行估计,在一定的正则条件下,证明了参数估计的渐近正态性和非参数估计的收敛性,Monte Carlo数值模拟显示所述估计方法具有良好的有限样本表现,同时,我们还将估计技术应用于实际数据分析中.

建立变系数部分线性固定效应模型分析PM_(2.5)与其他空气污染物的相关关系

以陕西省西安市13个空气观测地点的污染物观测资料为依据,运用统计学分析方法,建立了研究大气污染物PM2.5的浓度与包括当天和前一天SO2、NO2、PM10、CO、O3在内的11个观测指标在空气中浓度相关关系的模型。首先通过做散点图和计算相关系数来确定PM2.5和所选解释变量间相关关系,继而根据结果建立变系数部分线性固定效应模型,同时估计模型中各参数,并对模型中线性部分做变量选择,从而近一步优化所建立的模型。最后,将改进后模型的计算结果与实际情形对比分析,证实本文所得结论与实际情形相符合,表明所建模型良好。

固定效应部分线性单指标面板模型的惩罚二次推断估计

单指标面板模型已广泛应用于各学科领域的研究中,其估计方法较为丰富,然而鲜有估计方法将个体内的相关性考虑在内.基于此,本文研究了一类个体内存在相关性的固定效应部分线性单指标面板模型,采用惩罚二次推断函数法和LSDV法相结合的方法对模型进行估计,证明了所得估计量的一致性和渐近正态性.Monte Carlo模拟结果显示其具有优良的有限样本表现,并将该估计技术应用于实际数据分析中.