均勻試驗設計廣泛應用于各種科學研究和工業(yè)領(lǐng)域中.構(gòu)造均勻設計,特別是非對稱均勻設計,即便是對于數(shù)量適中的處理數(shù)、因子數(shù)和水平數(shù)來說,也是一項異常復雜而棘手的任務.通過因子的水平置換,可以建立起均勻性與混雜之間的關(guān)系,基于此,本文提出了通過水平置換來構(gòu)造非對稱均勻廣義最小低階混雜（generalized minimum aberration,GMA）設計以及對稱和非對稱均勻最小矩混雜（minimum moment aberration,MMA）設計的方法.數(shù)值結(jié)果表明通過水平置換構(gòu)造的設計具有非常好的均勻性.此外,將均勻性與序貫思想相結(jié)合,提出了一種全局最優(yōu)算法一 MSNTO算法,最后將其應用至動態(tài)隨機一般均衡（dynamic stochastic general equilibrium,DSGE）模型參數(shù)估計中,豐富了經(jīng)濟模型參數(shù)估計理論,為進一步將試驗設計方法與經(jīng)濟模型的融合奠定了 一定的基礎.主要結(jié)論及創(chuàng)新點如下:對于非對稱設計,對其因子進行水平置換后,推導出了中心化L2-偏差均值與廣義字長型之間的線性組合關(guān)系,在此基礎上,將中心化L2-偏差推廣至任意由再生核定義的偏差,給出任意再... 

【文章來源】：河北師范大學河北省

【文章頁數(shù)】：112 頁

【學位級別】：博士

【部分圖文】：

N=100時基于MSNTO算法的FIML估計診斷圖

圖 6.2: N=200 時基于 MSNTO 算法的 FIML 估計診斷圖表 6.6: N=740 時基于 MSNTO 算法的 FIML 估計結(jié)果待估參數(shù) 估計結(jié)果 s.d. t-stat 0.9577 0.0148 64.8008 0.8994 0.0087 103.4356 0.9255 0.0052 178.4372 0.9746 0.0083 117.4871 1.4750 0.0949 15.5403 0.8934 0.0168 53.0677 0.6285 0.2344 2.6810 Δ 0.2512 0.0297 8.4676 0.2685 0.0296 9.0680 Δ -0.0072 0.0011 6.7400 = 740 FIMLMAX= 3253.676816

圖 6.3: N=360 時基于 MSNTO 算法的 FIML 估計診斷圖表 6.7: N=900 時基于 MSNTO 算法的 FIML 估計結(jié)果待估參數(shù) 估計結(jié)果 s.d. t-stat 0.9576 0.0148 64.6187 0.8993 0.0087 103.4071 0.9255 0.0052 178.4416 0.9745 0.0083 117.4119 1.4738 0.0947 15.5590 0.8932 0.0168 53.0798 0.6305 0.2343 2.6907 Δ 0.2510 0.0297 8.4616 0.2687 0.0296 9.0711 Δ -0.0072 0.0011 6.7368 = 900 FIMLMAX= 3253.675821

【參考文獻】：
期刊論文
[1]我國DSGE模型的開發(fā)及在貨幣政策分析中的應用[J]. 劉斌.  金融研究. 2008(10)
[2]CONSTRUCTING UNIFORM DESIGNS WITH TWO- OR THREE-LEVEL[J]. 覃紅,張尚立,方開泰.  Acta Mathematica Scientia. 2006(03)
[3]我國產(chǎn)出缺口的估計[J]. 劉斌,張懷清.  金融研究. 2001(10)
[4]A NOTE ON UNIFORM DISTRIBUTION AND EXPERIMENTAL DESIGN[J]. 王元,方開泰.  A Monthly Journal of Science. 1981(06)
[5]高維數(shù)值積分的數(shù)論方法[J]. 張榮肖,徐廣善,王元.  應用數(shù)學學報. 1978(02)



本文編號：3073966