半参数变系数空间误差回归模型的估计

研究目标：克服半参数变系数回归模型中误差项可能存在的空间相关性问题。研究方法：提出一类新的半参数变系数空间误差回归模型,并构造其截面似然估计。研究发现：在小样本条件下,模型估计量具有良好的表现,其精度随着样本容量的增加而提高;应用该方法分析我国资源禀赋与地方公共品供给之间的相互关系,进一步证实了模型较强的适用性。研究创新：证明了估计量的一致性与渐近正态性,并通过蒙特卡洛模拟考察了估计方法的小样本表现。研究价值：新方法对于其他结构的半/非参数空间计量模型理论研究具有推广价值,其估计技术在经济、管理等学科中具有应用价值。     

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。     

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。     

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。     

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。     

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。     

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。     

含空间自回归误差项的空间动态面板模型的检验与模拟

研究目标：探究含空间自回归误差项的空间动态面板数据（SDPD）模型选择和假设检验结果的水平扭曲、检验功效。研究方法：构建含空间自回归误差项的SDPD模型的空间Hausman、LM和LR检验统计量,选择蒙特卡洛模拟进行分析。研究发现：含空间自回归误差项的SDPD模型的各类检验统计量的大样本性质良好;时空滞后项对空间Hausman检验结果的影响比空间滞后项显著;条件LMλ|α、LRλ|α检验是含空间自回归误差项随机效应SDPD模型的最优检验统计量,时空滞后项对LM、LR检验结果的影响比自回归误差项更显著。研究创新：解析了SDPD模型中各空间关联项系数的波动对模型检验精度的影响。研究价值：探究含空间自回归误差项SDPD模型的选择问题,为实证提供理论依据。     

基于EMB多重插补法的线性模型系数估计量的模拟研究

基于EMB多重插补法的线性模型系数估计量,分析其统计性质,并与PMM多重插补法以及DA插补法进行比较。模拟结果显示,随着无回答率增加,系数估计量的偏差绝对值、均方误差呈递增趋势,估计方差的递增趋势相对更显著。在完全随机无回答机制或随机无回答机制下,建议插补重数为15。在依赖被解释变量的非随机无回答机制下,建议插补重数可适当增大。在依赖其他变量的非随机无回答机制下,估计量的均方误差和估计方差的差异大,使用EMB多重插补法要谨慎。     

利率期限结构的静态估计——基于上交所国债的实证分析

本文以上海证券市场国债交易数据为基础,分别运用息票剥离法、多项式样条估计法、指数样条估计法、B-spline估计、NELSON-SIEGEL模型和扩展的NELSON-SIEGEL模型SVENSSON模型分析国内国债利率期限结构,比较这几种主要的估计方法的拟合效果。     

似无关模型在多响应参数估计中的应用

在复杂产品质量改进或过程优化中,通常需要拟合出多个响应与因子的经验模型,响应间的相关性会影响模型参数的估计精度。介绍了似无关模型参数估计的基本方法,并与最小二乘方法进行对比,算例表明,当响应见相关性较强,似无关模型估计量的性质优于单方程的最小二乘估计量。     

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。     

用PERT法求解不确定网络中活动时间参数的改进研究

基于计划评审技术(PERT)中β分布的假设,阐述了常规三时估计方法的不足,提出了相应解决对策,即采用限定概率三时估计法分别建立了β分布和Gamma分布拟合方差最小模型,用微粒群算法求解模型,并且将求解结果与常规三时估计方法进行了对比研究。实例证实,对于不同类型的活动,可以选择合理的分布类型并利用限定概率三时估计法,对各个活动的持续时间服从的分布密度函数进行拟合,从而提高PERT的精度和效率。     

对产品样本容量的确定及模拟抽样的方法探讨

在一定精度的要求下,对产品合格率试验中样本容量的计算应用参数估计中的贝叶斯方法进行研究,并对贝叶斯估计方法与矩估计法作一比较,目的是为了减少用作实验的样本容量,并介绍如何使用利用计算机模拟实验抽样检验,确定样本容量的方法。     

非参数空间滞后模型的贝叶斯估计

本文采用Bayes方法对非参数空间滞后模型进行全面分析,包括参数的估计以及用自由节点样条来拟合未知联系函数。所建议的Bayes方法通过逆跳Markov chain Monte carlo算法（RJMCMC）来实现。在进行贝叶斯分析时,对样条系数与误差方差选取共轭的正态—逆伽玛先验分布,进而获得其他未知量的边际后验分布;另外,文章还设计了一个简单但一般的随机游动Metropolis抽样器,以方便从空间权重因子的条件后验分布中进行抽样。最后应用所建议的方法进行数值模拟。     

带未知异方差广义空间模型的有效估计

空间单元大小以及其它的经济特征上的差异,常常会导致空间异方差问题。本文给出了广义空间模型异方差问题的三种不同估计方法。第一种方法是将异方差形式参数化,来克服自由度的不足,使用ML估计进行实现。而针对异方差形式未知时,分别采用了基于2SLS的迭代GMM估计和更加直接的MCMC抽样方法加以解决,特别是MCMC方法表现得更加优美。蒙特卡罗模拟表明,给定异方差形式条件下, ML估计通过异方差参数化的方法依然可以获得较好的估计效果。而异方差形式未知的情况下,另外两种方法随着样本数的增大时也可以与ML的估计结果趋于一致。     

非线性计量经济模型的非参数估计方法研究

本文提出使用核估计的方法构造平滑转移模型(STR)的非参数模拟最大似然估计(NPSML),给出了NPSML估计量的构造方法、渐近性质以及相应的核函数和窗宽的选择准则,并利用滑动窗宽算法对估计量的构造过程进行了改进。通过Monte Carlo实验证明,该方法是可靠的,并且当误差项存在序列相关时,此种估计量是稳健的。     

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。     

复杂样本的方差估计——基于逆抽样设计的方法

复杂样本的方差估计，通常采用的是随机组、刀切法等传统方法，本文提出采用逆抽样设计方法。基于一个实际调查数据的模拟分析，通过对抽样方法进行逆设计，构造了对应的方差估计量，并从精度、灵活性等方面将逆抽样设计方法与传统方差估计方法进行多角度对比，探讨了该方法的适用条件。     

基于无信息先验的分层指数模型参数在Stein损失函数下的贝叶斯估计

参数估计问题是数理统计学中研究较多的一类问题.本文是基于一个无信息先验的分层指数模型在Stein损失函数下的贝叶斯估计.首先计算分层指数模型分别在平方误差损失函数和Stein损失函数下的贝叶斯后验估计量和相应的后验期望Stein损失(PESL),并且比较二者在两个损失函数下的大小.可以看出在Stein损失函数下的贝叶斯后验期望和对应的PESL均略小于平方误差损失函数下的相应量.然后,计算分层指数模型的参数在Stein损失函数下的贝叶斯估计,并通过均方误差来评价估计量的好坏,得出后验期望估计量拟合得最好.最后通过随机数值和我国31个省市自治区的结婚数据对以上理论进行了模拟和实证,说明了该模型和方法的有效性和实用性.