本文關(guān)鍵詞：Tobit和相對誤差模型中若干高維統(tǒng)計(jì)問題的研究

  更多相關(guān)文章： Tobit回歸模型 相對誤差 變量選擇 漸近性質(zhì) 參數(shù)維度發(fā)散

【摘要】：在實(shí)際問題中,我們經(jīng)常遇到參數(shù)維度隨著樣本量而增加(參數(shù)維度發(fā)散)的高維數(shù)據(jù).基于線性模型的高維數(shù)據(jù)的統(tǒng)計(jì)研究方法比較成熟,然而對于Tobit模型和相對誤差模型,這一領(lǐng)域的研究比較少.眾所周知,Tobit模型在計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域中有著廣泛的應(yīng)用,以及在分析一類刻度變化數(shù)據(jù)時(shí),相對誤差模型比絕對誤差有著更好的合理性.所以,本文主要研究了當(dāng)參數(shù)維度發(fā)散時(shí)Tobit模型和相對誤差模型的統(tǒng)計(jì)推斷問題.首先,本文研究了當(dāng)參數(shù)維度發(fā)散時(shí)Tobit模型中參數(shù)估計(jì)的漸近性質(zhì),包括相合性、漸近正態(tài)性、收斂速度以及變量選擇.所研究問題的難點(diǎn)在于:(1)參數(shù)維度隨著樣本量增加時(shí),參數(shù)空間、設(shè)計(jì)陣等的條件假設(shè)與參數(shù)維度固定時(shí)的情形不同;(2)基于Tobit模型的最小絕對誤差準(zhǔn)則非凸且不光滑,以往關(guān)于線性模型的研究方法不適合解決所研究的問題;(3)傳統(tǒng)經(jīng)驗(yàn)過程中的極大值不等式假設(shè)參數(shù)維度是固定的.于是,我們建立了參數(shù)維度發(fā)散時(shí)一個(gè)極大值不等式,所得不等式不依賴于Tobit模型,可以應(yīng)用到其他的模型中去.最小化絕對誤差準(zhǔn)則給出Tobit模型中參數(shù)的一個(gè)估計(jì),即最小絕對誤差(LAD)估計(jì).在一些正則化條件下,利用所提不等式,我們得到了參數(shù)估計(jì)的統(tǒng)計(jì)漸近性質(zhì):弱相合、以概率收斂速度和漸近正態(tài)性.為了避免估計(jì)漸近正態(tài)分布中的冗余參數(shù),例如誤差項(xiàng)的密度函數(shù),我們采用隨機(jī)加權(quán)再抽樣方法來逼近參數(shù)估計(jì)的漸近分布.據(jù)我們所知,當(dāng)參數(shù)維度發(fā)散時(shí),文獻(xiàn)中關(guān)于參數(shù)估計(jì)的強(qiáng)相合性問題的研究比較少,即使基于簡單線性模型的研究也幾乎沒有.本文證明了當(dāng)參數(shù)維度和樣本量滿足一定條件下Tobit模型LAD估計(jì)的強(qiáng)相合性,獲得了它的幾乎處處收斂速度.我們指出收斂速度和參數(shù)維度的階有關(guān),當(dāng)參數(shù)維度隨著樣本量增加的速度越大時(shí),估計(jì)的收斂速度越慢.另外,所得結(jié)論也包括參數(shù)維度固定的情形.我們通過構(gòu)造數(shù)值模擬和分析實(shí)際數(shù)據(jù),說明所提方法的有限樣本性質(zhì).變量選擇是統(tǒng)計(jì)學(xué)的一個(gè)重要研究方向.文獻(xiàn)中關(guān)于Tobit模型的變量選擇方法主要集中于參數(shù)維度固定時(shí)的情形.隨著科學(xué)技術(shù)的發(fā)展,研究對象的觀測因素會越來越多,特別會隨著樣本量的增大而增大,但實(shí)際對研究對象有影響的因素比較少.為了提高模型的預(yù)測精度,建模中選取重要的影響因素是非常必要的.考慮參數(shù)維度發(fā)散的Tobit模型,除了絕對誤差準(zhǔn)則,我們再給予參數(shù)一個(gè)非凹的懲罰函數(shù).在一定的正則條件下,例如解釋變量的系數(shù)具有稀疏性,本文證明了 Tobit模型的變量選擇方法具有Oracle性質(zhì).模擬結(jié)果展示了我們的估計(jì)方法可以區(qū)分非零系數(shù)和零系數(shù),并且給非零系數(shù)的一個(gè)良好的估計(jì).最后,本文建立了參數(shù)維度發(fā)散時(shí)相對誤差模型的統(tǒng)計(jì)性質(zhì):參數(shù)估計(jì)的漸近性質(zhì)和線性假設(shè)檢驗(yàn)性質(zhì).由于計(jì)量單位和觀察數(shù)據(jù)數(shù)量級等不同,相對誤差準(zhǔn)有時(shí)候比絕對誤差準(zhǔn)則分析數(shù)據(jù)更加合理,例如股票數(shù)據(jù)等.文獻(xiàn)中關(guān)于相對誤差的研究有很多,但都需要參數(shù)維度固定這個(gè)假設(shè).在參數(shù)維度發(fā)散的相對誤差模型下,我們分別提出參數(shù)估計(jì)的最小乘積相對誤差準(zhǔn)則和廣義的相對誤差準(zhǔn)則.在一定的條件下,得到了參數(shù)估計(jì)的相合性和其線性組合的漸近正態(tài)性.進(jìn)一步,我們考慮參數(shù)的線性假設(shè)檢驗(yàn)問題,給出檢驗(yàn)問題的一個(gè)M型統(tǒng)計(jì)量,證明了檢驗(yàn)統(tǒng)計(jì)量的極限性質(zhì).在數(shù)據(jù)模擬和實(shí)際數(shù)據(jù)分析中,我們比較了 3個(gè)準(zhǔn)則的估計(jì)效果,它們包括最小乘積相對誤差準(zhǔn)則,最小相對誤差絕對值準(zhǔn)則和最小二乘準(zhǔn)則,結(jié)果表明了相對誤差方法的合理性和有效性.
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：F224

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 鄭忠國;隨機(jī)加權(quán)法[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);1987年02期

，

本文編號：1265960