异方差模型中协方差阵的估计研究

在异方差模型中,尽管回归系数的普通最小二乘(OLS)估计仍能保持无偏性,但其对应的协方差阵估计不再一致。解决异方差问题,对随机误差项协方差阵的估计显得尤为重要。基于异方差形式未知的情况下,非参数估计的良好效果,应用不同的非参数方法对误差项的协方差阵给出估计,进而通过估计加权最小二乘法得到回归系数的估计,并在已有的加权异方差一致协方差阵估计的基础上进行了拓展。模拟实验和实例分析表明,不同的非参数方法在回归系数的估计和模型的检验方面效果都有很大的差异。     

鞅差误差下异方差部分线性回归模型估计的矩相合性

本文研究了误差为鞅差序列下的异方差部分线性回归模型.基于非参数估计量,我们导出了最小二乘法和加权最小二乘法的参数估计量,并且在适当条件下得到了它们的矩相合性.同时,通过模拟研究了有限样本下估计量的性能.     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.     

非参数固定效应面板数据模型的约束剖面加权最小二乘估计

对异方差非参数固定效应面板数据模型的估计进行了研究.采用约束剖面加权最小二乘法,给出了估计量的闭表达式并且证明了固定效应参数和非参数函数估计具有渐近正态分布性质.进一步,得到了固定效应参数和非参数函数估计的收敛率.     

双参数指数分布的加权矩估计

利用加权矩估计方法,得到双参数指数分布中参数的加权矩估计量,讨论了估计量的方差和特征函数,并利用算例说明了加权矩估计优于矩估计．     

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.     

NEAR(p)模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好; 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

基于原始自助法估计异方差线性模型

利用原始自助法(wild bootstrap)估计异方差线性模型,建立了异方差线性模型中参数部分的最小二乘估计的渐近分布,给出了非齐次方差的协差阵的一个相合估计.     

污染模型下的最小二乘估计

研究了污染模型下观测值的分布结构及方差，并以此为基础导出了污染模型下的最小二乘估计．结果表明，在测量平差中常用的随机误差模型下，该估计就是李德仁教授提出的验后方差估计；而在均值移动模型下，该估计是均方误差最小的稳健估计．     

加权最小二乘法在EViews软件应用中易出现的问题及处理方法

加权最小二乘法是计量经济学模型出现异方差性时的修正估计方法,但是在EViews软件的应用过程中,如果处理不当,将会得到错误的结论.结合具体案例指出加权最小二乘法在应用中易出现的问题,并给出相应的解决方案.     

线性回归模型的稳健估计及异方差检验

将Huber函数引入线性回归模型的对数似然函数中,利用Fisher Scoring迭代法得到参数的稳健估计(M估计);在M估计的基础上,对模型进行异方差检验,建立Score检验统计量;最后用一组实际数据说明本文方法的有效性.     

异方差的估计与实证

“异方差”是微观计量建模中不可回避的问题，尽管计量经济学理论从残差项出发给出大量的检验方法，但对如何估计异方差则没有给出明确答案。从数据分布出发，认为极大似然法在估计异方差方面具有独特的优势。首先建立异方差的极大似然估计模型，然后对一实际调查数据进行异方差估计。     

基于广义排序集样本的分位数估计

为提高总体分位数的估计效率,提出基于广义排序集抽样的非参数加权估计量.根据估计量的强相合性和渐近正态性,给出了在任意给定的抽样方案下使渐近方差达到最小的权数.再利用最优权数的适应任意分布性,证明出使估计效率达到最大的抽样方案是从所有排序小组中挑选具有同一次序的观测值.通过对渐近相对效率的数值计算和一组真实数据的实际应用,表明最优加权估计功效高于无权估计,最优排序集抽样效率高于标准排序集抽样和简单随机抽样.      

异方差的估计与实证

"异方差"是微观计量建模中不可回避的问题,尽管计量经济学理论从残差项出发给出大量的检验方法,但对如何估计异方差则没有给出明确答案.从数据分布出发,认为极大似然法在估计异方差方面具有独特的优势.首先建立异方差的极大似然估计模型,然后对一实际调查数据进行异方差估计.     

线性回归模型的深度加权最小二乘估计和拟合检验

在线性回归模型中普通的最小二乘估计(LSE)许多情形下是不稳健的.本文介绍了一种投影深度函数,深度加权平均和深度加权LSE,这些估计量有符合需要的稳健性.并讨论了在深度加权LSE情形下线性回归模型的拟合检验问题.     

几种异方差检验方法的比较

经典线性回归模型的一个重要假设就是回归方程的随机扰动项具有相同的方差 ,也称同方差性 .但在大多数经济现象中 ,回归方程的扰动项的方差随观察值的不同而变化 ,这种模型称为异方差模型 .如果对异方差模型进行OLS估计 ,就会产生严重的后果 ,因此 ,选取适当的异方差的检验方法是极其重要的 .本文对帕克检验、格莱舍尔检验、戈德菲尔德 -匡特检验作随机模拟 ,并对这几种方法略作比较 .     

面板数据分析中含异方差的单因素误差分量模型研究

提出了含区域效应且存在异方差的单因素误差分量模型,并推导了在这一模型中如何根据样本数据计算可行广义最小二乘估计量的方法.     

一类函数加性误差模型参数估计的改进

主要就函数y=ax^b加性误差模型对数线性化后的随机误差不满足零均值性和同方差性,提出了一种有效的两阶段加权最小二乘估计方法(TSWLS),并用模拟数据试验检验了理论的正确性．     

相依误差下含线性趋势异方差模型的加权小波估计

针对含线性趋势异方差模型,用小波方法构造未知参数和方差函数的加权小波估计量。在随机误差序列为α-混合情形下,得到了参数小波估计量的渐近正态性。