基于双自适应Lasso惩罚的随机效应分位回归模型研究

研究目标：解决随机效应分位回归模型中固定效应和随机效应系数同时估计和选择问题。研究方法：对固定效应和随机效应系数同时实施自适应Lasso惩罚,并为参数估计设计交替迭代算法。研究发现：新方法不仅对随机误差分布具有较强的稳健性,而且在不同稀疏度模型下均有着良好的表现,尤其是在高维情形时。研究创新：本文提出的方法在对模型中重要自变量进行选择的同时能够充分考虑随机效应的影响;交替迭代算法不仅有效解决了需要选择两个惩罚参数的困境,而且收敛速度快。研究价值：为实际工作者对面板数据和纵向数据的分析提供了有效的建模方法。     

大数据背景下面板数据政策评估的估计和推断

研究目标:介绍大数据背景下基于面板数据模型的政策评估方法的最新进展与相关应用。研究方法:回顾双重差分法、合成控制法、面板数据方法、因子估计方法和机器学习方法这几类方法在估计面板数据因果效应方面的最新进展后，介绍现有研究中基于上述估计量的推断方法，最后报告已有文献对于不同方法的对比，并提供实证应用建议。研究发现:当实证应用问题中随时间变化的因子个数超过一个时，特别要关注基于双向固定效应的双重差分法的适用性。运用双向固定效应设定模型不恰当时，可考虑使用基于交互固定效应模型的因子模型类估计和推断方法。研究创新:从大数据时代的政策评估需求出发，梳理基于面板数据的因果效应估计和推断方法并给出应用建议。研究价值:为实证研究者提供了选择政策评估方法的参考指南。     

固定交互效应面板截取模型的ECM算法

交互效应面板数据模型在社会经济问题的实证分析中具有很强的适用性,但现有研究主要集中于线性面板模型。本文将交互效应引入非线性的面板截取模型,并基于ECM算法,建立了有效估计量和识别程序。基于不同因子类型的仿真实验结果显示,ECM算法可以很好地识别面板截取样本中的非观测因子。ECM估计量具有良好的有限样本性质,与其他估计量相比具有更小的偏误和更快的收敛速度。尤其是当共同因子为低频平滑因子时,其表现最为理想。     

非等间隔动态面板数据模型：估计方法与应用实例

非等间隔动态面板数据模型由于相邻两期观测之间的时间长度不尽相同使得传统动态面板数据模型的估计方法失效,本文提出使用非线性最小二乘、最短距离以及它们的一步估计量对该模型进行估计,证明了这四个估计量的一致性和渐进正态性,同时借助蒙特卡洛模拟的方法验证了它们在有限样本中的估计精度,并且进一步使用所提出的估计量讨论了以往文献由于缺乏相应的估计方法而没有被研究或者充分讨论的问题,得到了一些新的结论。     

面板数据的贝叶斯Lasso分位回归方法

文章讨论了含有随机效应的面板数据模型,通过引入条件Laplace先验,文章构造了一种新的贝叶斯Lasso分位回归法。与一般贝叶斯分位回归法不同的是,该方法能够更大程度的将模型中非重要解释变量系数压缩至0,从而在估计系数的同时也起到了变量选择的作用。利用积分恒等式,文章构造了一种易于实施的参数估计的切片Gibbs抽样算法。模拟结果显示,在模型含有较多变量时,新方法排除“噪声”变量的能力明显高于现有文献中其他方法。文章最后对我国各地区多个宏观经济指标的面板数据进行了建模分析,演示了新方法估计参数与挑选变量的能力。     

京津冀区域经济协同发展的环境效应及其影响机制

生态环境质量是评价区域协同效果的重要标准,科学评测协同的环境质量效果是调整京津冀协同发展政策走向的重要依据。本文基于2004-2016年京津冀的面板数据,采用面板数据模型和广义线性回归的估计方法,实证分析了经济协同对环境质量的影响。回归结果显示:随着京津冀经济协同度的提高,环境质量呈现出收敛式上升。建立面板联立方程模型进一步识别京津冀经济协同的环境效应的内在影响机制,结果发现,由于同时存在要素禀赋效应和污染避风港假说,京津冀经济协同发展通过结构效应而不是技术效应改善环境质量。最后,为了促进京津冀区域协同发展,提出了加强政府政策与市场资源配置相结合、促进京津冀地区产业结构调整、加强京津冀之间的环境治理合作等建议。     

操纵性应计模型的一个改进——基于动态面板估计的实证分析

使用动态面板对操纵性应计模型进行估计可以克服截面数据模型的内生性估计偏误。采用1999—2011年中国A股市场相关数据,对动态面板模型和其他模型的检测能力进行比较,结果表明：在对第Ⅱ类错误进行检验时,动态面板模型检测能力显著优于其他模型;在对第1类错误、审计师意见检验时,动态面板模型检测能力与其他模型接近。     

随机效应Logistic模型的参数估计

在经济计量学中，对面板(panel)数据的研究是一个热门的话题。目前，讨论得较多的是如何运用线性随机效应模型来对它建模。可是，当因变量是二元的数据时，用线性随机效应模型进行建模显然是错误的。这时，比较常用的是随机效应Logistic模型。本文讨论了如何运用EM算法对随机效应Logistic模型进行参数估计。     

交互效应面板模型的EM算法和MCMC算法

交互效应面板模型是目前计量经济学前沿研究的热点,有着广阔的应用空间。但是对很多应用者而言,模型内的参数估计是一个非常棘手的问题。通常的Newton-Raphson算法在优化似然函数的过程中,常常会出现优化失败的情况。本文依据EM算法和MCMC算法理论,为应用研究者提供了一套获得参数估计值的流程。计算机上的试验证实两种估计方法都非常稳健可靠,并在很多情况下,差异不是很大。     

金融发展对经济增长的影响:基于中国省级面板数据的实证检验

为了验证我国近年来金融发展对经济增长影响的相关结果,采用了一个普通的面板数据模型,收集1985～2006年中国各省份的数据,所用的估计手段既包括面板数据的固定效应方法(FE)和随机效应方法(RE),还包括广义矩估计(GMM)和极大似然估计(MLE),从而大大提高了估计结果的可信度。实证结论表明:我国金融发展对经济增长的影响为正,这些正向影响基本上能够通过显著性检验;我国区域经济增长存在条件收敛;实物资本投资对经济增长的影响始终都是显著为正的;人力资本和劳动力对经济增长的影响力显著为负。