MA模型阶数的贝叶斯估计

根据贝叶斯估计理论,在阶数和参数较为一般的先验分布及平方损失函数下,给出了MA模型阶数的贝叶斯估计,并证明了该估计方法具有强相合性.     

对数正态多层贝叶斯模型的参数估计

为了更好地捕捉呈偏态分布数据的变化,提高统计推断的精确度,将对数正态多层先验分布的构造方法与贝叶斯定理结合建立了对数正态多层贝叶斯模型。利用Gibbs抽样算法对各未知参数进行贝叶斯估计,并对使用Gibbs算法所生成的迭代链进行收敛性诊断。随机模拟结果显示,在相对误差、均方误差(MSE)准则下,贝叶斯估计的效果较似然估计更优。最后,通过实证分析证明了所建立的模型是切实可行的。     

误差修正机制转换模型的贝叶斯估计

用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。     

中国经济增长、电力消费与碳排放量关系研究

以1981～2009年数据为样本,运用ADF单位根检验、VAR模型,Johansen多变量协整检验、误差修正模型以及格兰杰因果分析对经济增长、电力消费与碳排放量的长期均衡关系和短期动态变化进行分析。结果表明经济增长、电力消费和碳排放量都属于二阶单整序列;三变量之间存在着长期稳定的协整关系,且当均衡关系在短期内偏离长期均衡时,误差修正模型将以69.39%的调整力度将其调整至均衡状态;碳排放量与经济增长、电力消费与经济增长、碳排放量与电力消费都互为Granger因果关系。     

非线形模型方差的贝叶斯估计

 在均方误差的条件下,系统地研究了非线形模型方差的贝叶斯估计,提出了共轭和无先验信息的最佳贝叶斯估计和最佳无偏贝叶斯估计以及方差的最佳条件无偏贝叶斯估计.还提出了带有共轭和无先验信息的方差的极大后验估计,最后用一个简单的例子来说明上述结论的可行性.     

Beta回归模型基于EM算法的变量选择方法

本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法。首先通过选取合适的先验分布,基于贝叶斯随机搜索和EM方法提出了参数的估计算法;然后根据回归系数相应的指示变量后验分布提出了重要变量选择的门限准则,所提方法具有易实施、快速计算等特点;最后通过研究中国上市公司股息率实际数据的影响因素以说明所提方法的有效性。     

基于贝叶斯估计的空间函数型自回归模型及其应用

目的 为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法 以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果 使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现：不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论 使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到...     

采样间隔非均匀一阶渐近增长模型及贝叶斯预测

利用贝叶斯预测方法给出采样间隔非均匀情况下的一阶渐近增长模型，当观测误差方差已知时，给出了它的先验分布、预测分布和后验分布的修正递推算法。     

基于非平稳时间序列的VAR模型实证分析

通过中国统计年鉴及互联网相关数据平台收集我国1952年至2008年国内生产总值(GDP),从业人员(E)及国内资本形成总额(GCF)的官方数据,通过使用非平稳时间序列建立向量自回归模型(VAR模型).数据处理过程主要包括两个重要分析结果:(1)根据Johanson协整检验分析变量的长期均衡关系;(2)利用误差修正模型V...     

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.     

偏正态数据下半参数混合效应模型的贝叶斯估计

针对纵向数据服从非正态分布情况下混合效应模型的估计问题,提出偏正态分布半参数混合效应模型的贝 叶斯估计方法;假定个体测量误差服从偏正态分布,纵向指标与时间的关系采用 B 样条方法建模,在共轭先验下考 虑该模型的贝叶斯分析,基于 MH 算法与 Gibbs 抽样的混合算法获取未知参数、随机效应和非参数函数的贝叶斯估 计;数值模拟中,数据非正态分布条件下将偏正态方法得到的估计与传统半参数混合效应模型估计方法进行对比, 发现偏正态半参数混合效应模型在有限样本情况下表现更好,说明偏正态半参数混合效应模型与传统模型相比, 可以更好地拟合偏态数据,获得更加精准的参数估计;最后将该方法应用于 ADNI 数据中,研究了神经评分与基线 临床指标间的关系,得出了合理的结论,证明了方法的合理性。     

基于Bayes估计的民航维修人为差错评估技术研究

研究了基于Bayes估计的民航维修人为差错评估技术。首先,将维修人为差错概率视为随机变量,利用航空公司积累的历史信息作为先验数据,以THERP手册提供的5%分位点作为维修人为差错概率中值,运用点估计法确定维修人为差错的先验分布模型。其次,给出了Bayes先验分布参数的求解方法。最后,选取验后Beta分布的中值作为θ的贝叶斯估计,构建了民航人为维修差错概率计算方法。通过实例分析,可以看出随着维修次数的增多,维修人为差错概率就越接近于极大似然法估计的失效概率。现场数据的检验反映了该评估方法的有效性、精确性和实用性。     

基于弹性网惩罚的复合分位数回归估计

针对高维数据的建模分析问题,提出一种基于弹性网络法和复合分位数回归相结合的稳健估计方法。 在该 估计方法中,所提出的模型能够有效进行变量选择与系数压缩,并处理数据间的多重共线性与群组效应问题,在大 数据时代下具有较广的适应性。 同时,与已有的惩罚最小二乘估计和惩罚分位数回归估计相比,该估计方法不仅 放宽了对模型误差项的分布要求,而且综合考虑了多个分位点的损失,在面对离群值或呈现尖峰、厚尾分布数据时 能够保持更强的稳健性和抗干扰性。 在一定条件下,对所构建模型估计的相合性与稀疏性进行了理论分析,结果 表明:所提出的模型能够将不相关的变量完全压缩至零,且估计量和真实系数以趋于 1 的概率相同。 此外,在数值 模拟方面,设置了 5 种误差项分布条件,根据设定的 4 项指标,通过与其他惩罚函数模型以及损失函数模型进行比 较,结果表明新提出的方法具备更好的稳健性与有效性。     

我国人才资本与经济增长的协整检验及误差修正模型

主要运用协整检验、误差修正模型、Granger因果检验对我国人才资本存量的增长与经济增长进行研究,结果表明,尽管我国人才资本存量的增长与经济增长在1985-2010年间的时间序列不平稳,但两者之间存在长期稳定的均衡关系,且存在人才资本到经济增长的单向因果关系.     

教育与经济增长的省际面板数据分析

文章运用面板单位根、协整检验和误差修正模型等现代计量经济学方法,结合1997-2007年中国31个省市的数据,分析了教育与经济增长之间的关系,结果表明:教育与经济增长之间存在长期协整关系,两者短期关系虽有可能偏离长期均衡,但由于误差纠正机制的存在,能够较快地得以纠正.     

基于混合先验分布的贝叶斯因子分析模型

针对现有因子分析模型不能充分融合模型参数信息问题,通过研究因子分析模型的统计结构,构造了参数的混合先验分布;利用贝叶斯定理证明了模型因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布.实证研究表明:由于参数先验分布的作用,贝叶斯因子分析结果与传统的因子分析之间存在明显的差异.     

分位回归马尔可夫转换ARCH模型的贝叶斯分析

针对经济时间序列波动的复杂性和不确定性,不考虑残差项分布形式的情况下,本文提出了一类分位回归马尔可夫转换ARCH模型。在贝叶斯理论框架下,选择扩散先验分布和非对称Laplace分布似然函数,实现了对MS-ARCH模型的贝叶斯分析。仿真分析发现分位回归MSARCH模型可以有效地刻画条件异方差时间序列的变结构性。     

ε-代换类先验分布族的贝叶斯稳健性分析

对ε-代换类:Γ={π:π=(1-ε)π0+εq,q∈D(0≤ε≤1)的贝叶斯稳健性进行分析,π0是选定的先验分布,D为分布集.首先讨论了分布集D的选择对后验稳健性的影响.其次讨论了当D的选择合理时,ML-Ⅱ估计■是后验稳健的,并以■为先验分布,分别对正态分布进行稳健贝叶斯分析.