时空动态半参数变系数随机效应面板模型的估计

研究目标：克服半参数变系数面板模型中扰动项和因变量存在时空动态性问题。研究方法：提出一类更加一般化的时空动态半参数变系数随机效应面板模型，并构建截面似然估计量。研究发现：估计量具有良好的小样本性质，估计误差随着样本总量的提高而减小，在Case空间矩阵下，空间滞后和时空滞后系数的估计精度随空间复杂度的增大而降低，用该方法分析我国外商直接投资、知识产权保护与经济增长关系，进一步证实了模型的适用性。研究创新：证明了估计量满足一致性和渐近正态性，数值模拟考察了估计量的小样本性质。研究价值：拓展了现有半参数变系数空间面板模型的形式，增强了模型的适用性和解释力，有益于经济问题实证研究的开展。     

半参数变系数空间滞后模型的截面极大似然估计

在线性参数空间滞后模型中,解释变量的系数一般假设为固定常数,本文首先放松了这种假设,将解释变量的系数设定为某一变量的未知函数,提出一类全新的半参数变系数空间滞后模型;其次导出了该模型的截面极大似然估计,并证明了该估计的一致性;最后用蒙特卡洛数值模拟方法考察了该估计在小样本条件下的性质,数值模拟结果显示我们提出的估计方法在小样本条件下依然有优良的表现。     

层级数据空间误差自回归模型的估计方法研究

本文建立同时考虑空间误差自回归和嵌套随机效应误差分量的层级数据空间误差自回归模型,并推导最优权重GMM估计量,对空间自回归系数和误差项的方差进行估计。然后,定义对应的FGLS估计量,对层级数据空间误差自回归模型的总体回归系数进行估计。通过蒙特卡洛模拟,验证了所提出模型估计量的有限样本性质。模拟结果表明,本文提出的最优权重GMM估计量以及总体回归系数的GMM FGLS估计量有很好的小样本性质。     

时变系数的空间误差合成模型

本文对时变系数的空间误差合成模型进行了研究,该模型的特征是利用扰动项中的空间个体成分将不同时期的方程联系起来;同时,允许自变量系数和误差项中的空间自回归系数随时间而变化,但每一个时期的自变量系数和误差项中的空间自回归系数是固定不变的。本文使用基于FGLS和GM方法的多阶段估计策略对模型参数进行了估计,证明了估计量的渐进异质性,并利用Monte Carlo方法模拟了其小样本性质。模拟结果表明,估计量的渐近性质随着样本容量的增加而改善。对中国省际知识生产及其空间溢出的实证案例也体现了该模型的应用价值。     

带未知异方差与半线性结构Tobit模型的半参数估计

本文将Tobit模型扩展至同时带未知条件异方差与半线性结构回归函数的场合,并提出一种计算简便的半参数二步估计法。该方法的关键之处在于连续两次施以成对相减变换,并先后消去第一步所得被解释变量非参数条件分位函数中的两类非线性冗余成分(非线性回归函数部分与未知异方差结构)。文章证明了估计量的n-一致性与渐近正态性,并通过Monte Carlo模拟研究了分位点对的选择、扰动项分布类型与样本删尾程度等因素对估计量小样本性质的影响。最后通过国内居民医疗服务利用不平等的实例验证了本文所提的方法。     

分整阶数半参数估计的有限样本性质研究

随着对经济和金融时间序列长记忆性的研究,分整阶数估计已成为当前理论研究的焦点问题。以对数周期图回归和局部Whittle方法为代表的半参数分整阶数估计方法在实践中得到广泛应用,但对这两类半参数估计方法的有限样本性质的比较则鲜有涉及,影响了在实践中对估计方法的选择。利用蒙特卡洛模拟方法,在不同数据产生的过程下,这两种半参数估计方法有限样本性质的研究结果表明：在ARFIMA(0, d, 0)过程下,LW类估计量具有较好的小样本性质;在平稳ARFIMA(1, d, 0)过程下,本文建议的QGPH估计量的有限样本性质要优于其他对数周期图估计量;在非平稳过程下,MGPH的偏差最小。     

具有异质性非参数时间趋势的面板数据模型的估计

本文为一类具有异质性非参数时间趋势的面板数据模型提出了一种简单估计方法。基于局部多项式回归的思想,首先去除数据中的时间趋势成分,然后由最小二乘法来估计公共系数,同时得到时间趋势函数的非参数估计。在一些正则条件下,研究了这些估计量的渐近性质,即在时间维度T和横截面维度n同时趋向无穷时,建立了各个估计量的渐近相合性和渐近正态性。最后通过蒙特卡洛模拟,考查了这种估计方法的有限样本性质。     

具有AR(p)误差的半参数回归模型的参数估计

近年来,半参数模型是处理回归问题的有力工具,进年来,已经成为当今回归分析的热点,引起了众多学者的关注。文章研究了具有AR(p)误差的半参数回归模型,首先对其误差的相关性进行了消除,然后将模型转变成为经典的半参数回归模型,运用惩罚最小二乘估计方法对模型参数进行了估计。     

GARCH族的模型平均估计方法

研究目标：对模型平均方法进行理论扩展,构建GARCH族的模型平均估计量及相应权重选择准则。研究方法：蒙特卡洛模拟实验方法。研究发现：在一定条件下最小化权重准则选择的权重向量将在渐近意义上最小化真实KL偏离度;蒙特卡洛模拟结果表明,与AIC准则、BIC准则、AIC模型平均、BIC模型平均的估计结果相比较,本文提出的模型平均法具有更小的KL偏离度。研究创新：将模型平均估计方法引入条件异方差模型族中。研究价值：本文结果将为捕捉金融市场资产的时变波动性提供强有力的研究工具。     

含空间自回归误差项的空间动态面板模型的有效估计

扰动项的空间过程会影响空间计量模型的估计效果。通过探究空间关联误差效应下空间动态面板数据（SDPD）模型拟极大似然估计（QML）的有限样本性质,发现含空间自回归误差项的SDPD模型大样本性质较好;其估计结果优于不含空间自回归误差项的模型;较强的误差项空间相关性对参数估计精度的影响程度较大;误差项分布偏离正态性会影响模型的估计结果,但模型总体估计的稳健性良好。总体蒙特卡洛结果与本文的理论分析一致。     

生存分析在股市期市涨跌预测中的应用

运用生存分析（Survival Analysis）方法和台湾2009-2011年每日发布的公开数据,建立Cox回归模型（Cox regression model）,预测台湾隔日加权股价指数期货涨跌。实证分析显示:涨幅模型预测结果的正确率为74.47%,绩效验证中平均收益有35.73点;跌幅模型预测的正确率为75.32%,绩效验证中平均收益有37.99点;将涨跌幅模型综合在一起考虑时,在绩效验证中可知平均收益可达38.68点。     

基于回归模型的列联表独立性检验

本文利用回归模型设计列联表的独立性检验方法。利用虚拟变量技术将列联表定性因素转化为因变量和自变量,构造Wald统计量对二维列联表独立性进行检验,并在此基础上进一步设计方法对高维列联表的独立性问题进行检验。该方法能够将列联表的一些常见的检验问题纳入到一个统一的框架下来进行,有助于人们更好地理解和使用。     

北京地区交通对城市空间扩展的影响研究

交通是城市空间扩展的主要内在适应性因素,并直接牵引城市空间扩展方向.论文选择北京市最具代表性的3个区域(中心城、通州区和密云区),采用多变量逻辑回归模型研究交通对城市空间扩展的影响,发现不同交通道路对北京城市空间形态变化影响力不同,中心城主要是受环路、高速、地铁和铁路的影响,而郊区则主要受国道和省道的影响.     

基于分组的异方差检验和两阶段估计

本文提出了一种基于分组的异方差检验法，并给出了存在异方差时的两阶段估计。     

混合地理加权回归模型中的空间相关性检验和参数估计研究

对混合地理加权回归模型,提出新的空间相关性检验统计量,利用三阶矩?2逼近方法导出了其检验p-值的近似计算公式,模拟结果显示该检验统计量在检测空间相关性方面具有满意的功效。为了处理数据中可能同时存在的空间相关性和空间异质性,引入一类新的混合地理加权空间滞后回归模型,模拟结果表明该估计方法具有较高的可靠性和稳健性,与全局空间滞后回归模型比较,混合地理加权空间滞后回归模型在处理空间异质性方面具有更优良的表现。     

中国家庭住房产权类型分化研究

本文基于CFPS2010年基线调查的微观数据,利用Logistic模型探讨住房类型分化的产生原因,测算各个阶层在获取住房的途径和机会上的差异。结果表明：户口状况、城乡类别对产权类型的影响存在差异;年龄对租房和亲友提供住房产生影响;收入、是否是党员、婚姻状况、对教育重要程度的认知情况、职业类别等不同程度地影响产权类型;乡村住房自有率高于城市。     

基于互联网大数据的CPI舆情指数构建与应用

研究目标：基于互联网大数据构建CPI舆情指数辅助预测CPI。研究方法：提出了一种构建CPI低频与高频舆情指数的统计方法,并通过选用2006年6月至2015年12月的数据验证了该方法的有效性。研究发现：相关关键词的搜索热度指标具有领先CPI的预测作用,依此建立的CPI舆情指数有助于改进CPI预测精度。研究创新：揭示了基于相关关键词的搜索热度指标与CPI的非线性关系,提出了一种基于门限回归的CPI低频舆情指数构建方法;使用动态因子模型估计出了CPI高频舆情指数。研究价值：预测CPI时可辅助利用基于大数据构建的CPI低频与高频舆情指数信息。     

Combining forecasts for universally optimal performance

There are two potential directions of forecast combination: combining for adaptation and combining for improvement. The former direction targets the performance of the best forecaster, while the latter attempts to combine forecasts to improve on the best forecaster. It is often useful to infer which goal is more appropriate so that a suitable combination method may be used. This paper proposes an AI-AFTER approach that can not only determine the appropriate goal of forecast combination but also intelligently combine the forecasts to automatically achieve the proper goal. As a result of this approach, the combined forecasts from AI-AFTER perform well universally in both adaptation and improvement scenarios. The proposed forecasting approach is implemented in our R package AIafter, which is available at https://github.com/weiqian1/AIafter.     

混合地理加权回归模型的拟合及相关性检验

利用两步估计方法对混合地理加权回归模型进行拟合,运用Moran's检验方法探索误差项的空间相关性。