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。     

样本数据缺失情形下泊松过程的强度估计和检验

文章讨论了样本数据缺失情形下泊松过程的强度估计和检验问题。用极大似然估计、矩估计法和最小二乘估计法对强度进行估计,分别得出了极大似然估计强度的迭代方法,矩估计值及最小二乘估计值。证明了矩估计值和最小二乘估计值的无偏性和相合性,导出了其统计量的极限分布。最后,对两个Poisson过程的差异进行了假设检验同时给出渐近置信区间。     

逐次定数截尾下Weibull分布参数的逆矩估计

基于逐次定数截尾样本下,讨论了两参数Weibull分布的参数估计,得到了两参数的逆矩估计.并利用模拟方法与极大似然估计作比较,模拟结果表明逆矩估计优于极大似然估计。     

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。     

空间加权矩阵设置与空间面板参数估计效率

总结了常用的空间加权矩阵的一般构建方法和研究领域内新提出的空间加权矩阵的构建方法,从宏观与微观层面,量化分析了空间加权矩阵设置对于空间面板参数估计效率、空间效应识别的影响效应。结论表明：宏观数据层面,随着空间加权矩阵复杂程度的提高,无论是空间面板固定效应模型还是空间面板随机效应模型,参数估计的有效性与一致性都显著提高并且广义矩参数估计方法优于拟极大似然估计方法,复合的空间加权矩阵条件下,拉格朗日乘子检验方法的功效更高;微观数据层面,回归结果表明四种不同类型的空间加权矩阵的设置,对于聚集外部性引致的企业全要素生产率增长的空间边界的识别具有显著影响,复合的空间加权矩阵更有效。     

Logistic回归的ArctanLASSO惩罚似然估计及应用

Logistic回归是计量经济学中应用最广的离散选择模型。当变量个数较多时,极大似然估计解释性较差,为此本文基于新的惩罚函数ArctanLASSO,给出Logistic回归的一种非凸惩罚似然估计进行参数估计和变量选取,并证明了估计量的n1/2相合性和Oracle性质。本文结合二阶近似处理、LLA方法和梯度下降法给出估计算法,并通过最小化BIC准则对正则化参数进行选取。模拟数据分析显示,当样本量较大时,该方法在参数估计和变量选取两个方面都优于传统的LASSO、SCAD和MCP方法,样本量较小时,该方法同样具有很大优势。实际数据分析表明,该方法很好地权衡了拟合程度和非零系数的选择,是最优的备选模型,具有重要的实际意义。     

锥序约束下定数截尾情形两指数总体均值的估计及性质

本文给出了在定数截尾情形,在锥序约束α1λ1≤λ2≤α2λ1,α1＞0,α2＞0,α1≤α2条件下,两指数总体均值λ的约束极大似然估计λi,i=1,2。证明了λi具有比常用估计量Si更小的均方误差,并且给出了λi对Si的渐进效率,i=1,2。     

有效价差的极大似然估计

有效价差是刻画金融资产交易成本的一种重要度量。本文基于Roll的价格模型,利用对数价格极差分布的近似正态特征,提出了一种有效价差的近似极大似然估计,并通过数值模拟比较了这一新的估计与以往文献中提出的Roll的协方差估计、贝叶斯估计以及High-Low估计在各种不同状况下的精度。模拟的结果表明,无论是在连续交易的理想状态还是交易不连续且价格不能被完全观测到的非理想状态下,极大似然估计和High-Low估计的精度均高于协方差和贝叶斯估计;当波动率相对较小的时候,极大似然估计的精度优于High-Low估计;另外,在非理想情形下,极大似然估计要比High-Low估计更加稳健。     

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。     

一种估计和检验排序模型中结构变化的方法及应用

研究目标：给出一种估计和检验排序模型中结构变化的方法。研究方法：在排序模型中引入平滑转换函数来描述结构变化,在此基础上构建拉格朗日乘子统计量检验模型中的结构变化,并使用极大似然方法估计模型。研究发现：拉格朗日乘子统计量具有标准的渐近卡方分布,并且该统计量对误差项的不同分布形式具有较好的稳健性;极大似然估计量具有一致性和渐近正态性;应用本文的方法分析居民收入和幸福关系,发现收入对幸福的影响存在显著的非线性结构变化特征,当收入增长超过社会收入分布的80%分位数时,收入对幸福的作用会减弱。研究创新：提出了一种新的并且是比较简便的估计和检验排序模型中结构变化的方法。研究价值：这种新的方法可以广泛应用于主观评价问题中的结构变化分析。