本文關(guān)鍵詞：半?yún)?shù)面板計(jì)量經(jīng)濟(jì)模型理論及應(yīng)用研究

  更多相關(guān)文章： 面板數(shù)據(jù) 半?yún)?shù)模型 部分線性模型 變系數(shù)部分線性模型 固定效應(yīng) 輪廓最小二乘 變量選擇

【摘要】：半?yún)?shù)面板計(jì)量經(jīng)濟(jì)模型是計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域的重要研究方向之一。該模型融合了參數(shù)面板數(shù)據(jù)模型與非參數(shù)面板數(shù)據(jù)模型的優(yōu)點(diǎn),不僅避免了非參數(shù)模型的“維數(shù)禍根”問(wèn)題,而且與傳統(tǒng)的參數(shù)面板數(shù)據(jù)模型相比,半?yún)?shù)面板數(shù)據(jù)模型具有更強(qiáng)的適應(yīng)性和建模能力等特點(diǎn)。目前,該模型已在管理統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)以及金融風(fēng)險(xiǎn)中得到了廣泛應(yīng)用,成為了處理多元回歸問(wèn)題的有力工具。在現(xiàn)實(shí)經(jīng)濟(jì)生活中,除了樣本信息,我們還有可能對(duì)模型的參數(shù)向量有一些先驗(yàn)信息,利用這一先驗(yàn)信息可以提高參數(shù)估計(jì)的效率和準(zhǔn)確性。然而,目前尚未有文獻(xiàn)提出或考慮針對(duì)半?yún)?shù)面板數(shù)據(jù)模型中參數(shù)部分存在約束條件的估計(jì)方法。因此,在參數(shù)部分存在約束條件下,研究該模型中參數(shù)及非參數(shù)的約束估計(jì)具有重要的現(xiàn)實(shí)意義和理論價(jià)值。此外,隨著數(shù)據(jù)的收集越來(lái)越容易,這導(dǎo)致數(shù)據(jù)庫(kù)規(guī)模擴(kuò)大,更具復(fù)雜性。例如各種類型的貿(mào)易交易數(shù)據(jù)、基因表達(dá)數(shù)據(jù)及多媒體數(shù)據(jù)等,它們的維度通常可以達(dá)到成百上千,甚至更高。正是由于高維數(shù)據(jù)的普遍存在,更加凸顯了對(duì)該類型數(shù)據(jù)挖掘研究的重要意義和價(jià)值。但是,目前經(jīng)典統(tǒng)計(jì)計(jì)量分析方法很難對(duì)高維數(shù)據(jù)進(jìn)行深入全面的處理和分析。因此,研究高維面板數(shù)據(jù)模型的變量選擇問(wèn)題成為了計(jì)量經(jīng)濟(jì)學(xué)界不斷探索的課題,也是本研究關(guān)注的主要問(wèn)題之一。本文圍繞半?yún)?shù)面板計(jì)量經(jīng)濟(jì)模型展開了系列研究。當(dāng)參數(shù)部分存在線性約束條件時(shí),提出了針對(duì)帶固定效應(yīng)的半?yún)?shù)部分線性面板數(shù)據(jù)模型的約束最小二乘估計(jì)方法,并證明了參數(shù)與非參數(shù)的約束估計(jì)均服從漸近正態(tài)分布。通過(guò)對(duì)模擬數(shù)據(jù)和重復(fù)模擬實(shí)驗(yàn)的分析,研究發(fā)現(xiàn)在參數(shù)存在約束條件的情況下,如果在估計(jì)參數(shù)與非參數(shù)時(shí)能考慮這一約束條件的影響,可以提高估計(jì)的精度和效率。變系數(shù)部分線性面板數(shù)據(jù)模型是半?yún)?shù)模型中另一類常見(jiàn)的模型,同時(shí)也是部分線性面板數(shù)據(jù)模型更為一般的的推廣。該模型的特點(diǎn)是一部分自變量與因變量線性相關(guān),而另一部分自變量則與因變量非線性相關(guān)。通過(guò)結(jié)合輪廓最小二乘方法,局部線性估計(jì)理論以及拉格朗日乘子方法,提出了對(duì)該模型中參數(shù)存在線性約束條件和無(wú)約束條件時(shí)的估計(jì)方法。此外,為了減少模型誤差,在進(jìn)行高維數(shù)據(jù)分析時(shí)通常會(huì)引入很多的變量。然而,其中的多數(shù)變量實(shí)際上是多余的,故為了提高模型的預(yù)測(cè)精度,需將這些無(wú)關(guān)變量從模型中剔除,即需要對(duì)模型進(jìn)行變量選擇。針對(duì)帶測(cè)量誤差的變系數(shù)部分線性面板數(shù)據(jù)模型,構(gòu)造了半?yún)?shù)自適應(yīng)Lasso懲罰函數(shù)。該方法可以同時(shí)選取對(duì)因變量影響顯著的變量并估計(jì)其系數(shù)值。在一般的正則條件以及選取適當(dāng)?shù)臄_動(dòng)參數(shù)條件下,證明了該估計(jì)方法具有Oracle性質(zhì),且還給出了修正的LARS算法來(lái)求解目標(biāo)函數(shù)。仿真模擬結(jié)果表明懲罰最小二乘估計(jì)在模型選擇和參數(shù)估計(jì)中有非常好的表現(xiàn)。將上述考慮了的固定效應(yīng)半?yún)?shù)面板計(jì)量經(jīng)濟(jì)模型應(yīng)用到醫(yī)療保健支出與收入的關(guān)系研究中,實(shí)證分析了1995年—2009年42個(gè)非洲國(guó)家醫(yī)療保健支出與收入的關(guān)系。為了便于對(duì)比分析,本文同時(shí)給出了參數(shù)面板數(shù)據(jù)模型以及變系數(shù)面板數(shù)據(jù)模型的估計(jì)結(jié)果,并將42個(gè)非洲國(guó)家按世界銀行的劃分將其分成兩類,分別研究了不同收入水平條件下醫(yī)療保健支出與收入之間的關(guān)系。研究結(jié)果表明:非洲國(guó)家的醫(yī)療保健支出的收入彈性小于1,即醫(yī)療保健支出的增長(zhǎng)遠(yuǎn)遠(yuǎn)少于收入的增長(zhǎng)。
【關(guān)鍵詞】：面板數(shù)據(jù) 半?yún)?shù)模型 部分線性模型 變系數(shù)部分線性模型 固定效應(yīng) 輪廓最小二乘 變量選擇
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：R1;F224
【目錄】：

• 摘要5-7
• Abstract7-14
• 第1章 緒論14-32
• 1.1 選題背景與研究意義14-16
• 1.1.1 選題背景14-15
• 1.1.2 研究意義15-16
• 1.2 文獻(xiàn)綜述16-27
• 1.2.1 非參數(shù)面板數(shù)據(jù)模型17-18
• 1.2.2 半?yún)?shù)面板數(shù)據(jù)模型18-24
• 1.2.3 非參數(shù)和半?yún)?shù)面板數(shù)據(jù)模型的應(yīng)用24-27
• 1.3 研究思路與研究?jī)?nèi)容27-29
• 1.3.1 研究思路27
• 1.3.2 研究?jī)?nèi)容27-29
• 1.4 創(chuàng)新點(diǎn)29-32
• 第2章 非參數(shù)面板數(shù)據(jù)建模理論分析32-50
• 2.1 非參數(shù)回歸理論32-39
• 2.1.1 非參數(shù)回歸中的常用工具32-36
• 2.1.2 非參數(shù)估計(jì)方法36-39
• 2.2 傳統(tǒng)的參數(shù)面板數(shù)據(jù)模型39-43
• 2.2.1 模型設(shè)定及分類39-42
• 2.2.2 固定效應(yīng)與隨機(jī)效應(yīng)的選擇42-43
• 2.3 非參數(shù)面板數(shù)據(jù)模型的估計(jì)43-49
• 2.3.1 非參數(shù)模型的構(gòu)建43-44
• 2.3.2 固定效應(yīng)模型的估計(jì)44-46
• 2.3.3 隨機(jī)效應(yīng)模型的估計(jì)46-49
• 2.4 本章小結(jié)49-50
• 第3章 約束條件下部分線性面板數(shù)據(jù)模型研究50-62
• 3.1 部分線性面板數(shù)據(jù)模型的統(tǒng)計(jì)推斷50-53
• 3.1.1 模型設(shè)定50-51
• 3.1.2 輪廓最小二乘估計(jì)51-53
• 3.2 約束條件下參數(shù)與非參數(shù)的估計(jì)問(wèn)題53-54
• 3.2.1 約束條件下模型的構(gòu)建53-54
• 3.2.2 約束最小二乘估計(jì)54
• 3.3 大樣本漸近性質(zhì)54-58
• 3.3.1 假設(shè)條件及分析54-55
• 3.3.2 漸近正態(tài)性55-58
• 3.4 Monte Carlo仿真實(shí)驗(yàn)分析58-60
• 3.4.1 仿真實(shí)驗(yàn)設(shè)計(jì)58
• 3.4.2 仿真過(guò)程的結(jié)果分析58-60
• 3.5 本章小結(jié)60-62
• 第4章 變系數(shù)部分線性面板數(shù)據(jù)模型研究62-76
• 4.1 變系數(shù)部分線性面板數(shù)據(jù)模型的統(tǒng)計(jì)推斷62-66
• 4.1.1 模型分析62-63
• 4.1.2 模型中參數(shù)與非參數(shù)的估計(jì)63-65
• 4.1.3 約束最小二乘估計(jì)65-66
• 4.2 大樣本漸近性質(zhì)66-73
• 4.2.1 假設(shè)條件及分析66
• 4.2.2 漸近正態(tài)性66-73
• 4.3 Monte Carlo仿真實(shí)驗(yàn)分析73-75
• 4.3.1 仿真實(shí)驗(yàn)設(shè)計(jì)73-75
• 4.3.2 仿真過(guò)程的結(jié)果分析75
• 4.4 本章小結(jié)75-76
• 第5章 基于高維面板數(shù)據(jù)的變系數(shù)部分線性模型研究76-94
• 5.1 線性誤差協(xié)變量下模型的參數(shù)估計(jì)76-78
• 5.1.1 輪廓最小二乘估計(jì)76-78
• 5.1.2 參數(shù)的估計(jì)78
• 5.2 高維面板數(shù)據(jù)的參數(shù)估計(jì)問(wèn)題78-83
• 5.2.1 變量選擇78-82
• 5.2.2 自適應(yīng)Lasso懲罰函數(shù)估計(jì)82-83
• 5.3 定理與算法83-90
• 5.3.1 假設(shè)條件及分析83
• 5.3.2 Oracle性質(zhì)83-89
• 5.3.3 算法步驟89-90
• 5.4 Monte Carlo仿真實(shí)驗(yàn)分析90-92
• 5.4.1 仿真實(shí)驗(yàn)設(shè)計(jì)90-92
• 5.4.2 仿真過(guò)程的結(jié)果分析92
• 5.5 本章小結(jié)92-94
• 第6章 醫(yī)療保健支出與收入關(guān)系的實(shí)證分析94-106
• 6.1 問(wèn)題描述94-96
• 6.2 變量選取與模型構(gòu)建96-100
• 6.2.1 變量選取與數(shù)據(jù)描述96-97
• 6.2.2 模型構(gòu)建97-100
• 6.3 結(jié)果分析及啟示100-104
• 6.3.1 結(jié)果分析100-103
• 6.3.2 啟示103-104
• 6.4 本章小結(jié)104-106
• 結(jié)論106-110
• 參考文獻(xiàn)110-126
• 致謝126-127
• 附錄A 攻讀博士學(xué)位期間的學(xué)術(shù)成果及獎(jiǎng)勵(lì)127-128
• 附錄B 攻讀博士學(xué)位期間參與的研究課題128

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 李莉;余紅梅;劉桂芬;;半?yún)?shù)治愈模型在長(zhǎng)期生存者資料分析中的應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2006年04期

2 李進(jìn)文;;兩室模型藥物體內(nèi)釋放(溶出)速率估算的半?yún)?shù)隨機(jī)模型[J];數(shù)理醫(yī)藥學(xué)雜志;2012年04期

3 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 李玉梅;錢偉民;;縱向數(shù)據(jù)半?yún)?shù)混合效應(yīng)模型中的估計(jì)方法[A];2003中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第十一屆學(xué)術(shù)年會(huì)論文集（上）[C];2003年

2 許友傳;;基于半?yún)?shù)GARCH模型的中國(guó)黃金市場(chǎng)波動(dòng)性研究[A];第十一屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2009年

3 葉阿忠;李子奈;;半?yún)?shù)計(jì)量經(jīng)濟(jì)聯(lián)立模型的工具變量估計(jì)[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第8卷）[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 呂志科;半?yún)?shù)面板計(jì)量經(jīng)濟(jì)模型理論及應(yīng)用研究[D];湖南大學(xué);2015年

2 李海芬;平滑估計(jì)方法在半?yún)?shù)生存模型中的應(yīng)用研究[D];華東師范大學(xué);2012年

3 孫志猛;復(fù)雜數(shù)據(jù)下半?yún)?shù)單調(diào)回歸模型的估計(jì)[D];北京工業(yè)大學(xué);2011年

4 胡雪梅;半?yún)?shù)變系數(shù)部分線性度量誤差模型中的序列相關(guān)檢驗(yàn)和經(jīng)驗(yàn)似然[D];中南大學(xué);2008年

5 王凱平;對(duì)獨(dú)立及相依數(shù)據(jù)的非參和半?yún)⒛Ｐ偷陌雲(yún)⒄{(diào)整[D];山東大學(xué);2008年

6 趙培信;半?yún)?shù)變系數(shù)部分線性模型的統(tǒng)計(jì)推斷[D];北京工業(yè)大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 吳海燕;函數(shù)型半?yún)?shù)部分線性回歸模型的性質(zhì)研究[D];南京大學(xué);2014年

2 古麗斯坦·庫(kù)爾班尼牙孜;半?yún)?shù)時(shí)空變系數(shù)回歸模型的估計(jì)方法及其統(tǒng)計(jì)推斷[D];新疆大學(xué);2015年

3 徐彬蓉;關(guān)于方差估計(jì)和比較的一種半?yún)?shù)方法[D];南京財(cái)經(jīng)大學(xué);2015年

4 方芳;在半?yún)?shù)密度函數(shù)比模型下關(guān)于兩總體均值差檢驗(yàn)的研究[D];南京財(cái)經(jīng)大學(xué);2014年

5 宋澤婧;貝葉斯半?yún)?shù)多狀態(tài)模型在老年人認(rèn)知與抑郁關(guān)系研究中的應(yīng)用[D];山西醫(yī)科大學(xué);2016年

6 李巖巖;SIR降維方法與半?yún)?shù)可加回歸的應(yīng)用研究[D];重慶工商大學(xué);2016年

7 劉波;基于RKHS理論處理非線性數(shù)據(jù)的一種廣義半?yún)?shù)充分降維方法[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

8 張巖;半?yún)?shù)逆回歸降維模型及其應(yīng)用[D];浙江大學(xué);2008年

9 臧微;半?yún)?shù)非線性再生散度模型的影響評(píng)價(jià)[D];貴州財(cái)經(jīng)學(xué)院;2010年

10 宋偉平;截尾三段線性函數(shù)期望與方差的半?yún)?shù)界[D];哈爾濱工業(yè)大學(xué);2011年

，

本文編號(hào)：779352