半参数面板计量经济模型理论及应用研究

发布时间：2017-09-02 15:23

  本文关键词：半参数面板计量经济模型理论及应用研究

  更多相关文章： 面板数据 半参数模型 部分线性模型 变系数部分线性模型 固定效应 轮廓最小二乘 变量选择

【摘要】：半参数面板计量经济模型是计量经济学领域的重要研究方向之一。该模型融合了参数面板数据模型与非参数面板数据模型的优点,不仅避免了非参数模型的“维数祸根”问题,而且与传统的参数面板数据模型相比,半参数面板数据模型具有更强的适应性和建模能力等特点。目前,该模型已在管理统计学、计量经济以及金融风险中得到了广泛应用,成为了处理多元回归问题的有力工具。在现实经济生活中,除了样本信息,我们还有可能对模型的参数向量有一些先验信息,利用这一先验信息可以提高参数估计的效率和准确性。然而,目前尚未有文献提出或考虑针对半参数面板数据模型中参数部分存在约束条件的估计方法。因此,在参数部分存在约束条件下,研究该模型中参数及非参数的约束估计具有重要的现实意义和理论价值。此外,随着数据的收集越来越容易,这导致数据库规模扩大,更具复杂性。例如各种类型的贸易交易数据、基因表达数据及多媒体数据等,它们的维度通常可以达到成百上千,甚至更高。正是由于高维数据的普遍存在,更加凸显了对该类型数据挖掘研究的重要意义和价值。但是,目前经典统计计量分析方法很难对高维数据进行深入全面的处理和分析。因此,研究高维面板数据模型的变量选择问题成为了计量经济学界不断探索的课题,也是本研究关注的主要问题之一。本文围绕半参数面板计量经济模型展开了系列研究。当参数部分存在线性约束条件时,提出了针对带固定效应的半参数部分线性面板数据模型的约束最小二乘估计方法,并证明了参数与非参数的约束估计均服从渐近正态分布。通过对模拟数据和重复模拟实验的分析,研究发现在参数存在约束条件的情况下,如果在估计参数与非参数时能考虑这一约束条件的影响,可以提高估计的精度和效率。变系数部分线性面板数据模型是半参数模型中另一类常见的模型,同时也是部分线性面板数据模型更为一般的的推广。该模型的特点是一部分自变量与因变量线性相关,而另一部分自变量则与因变量非线性相关。通过结合轮廓最小二乘方法,局部线性估计理论以及拉格朗日乘子方法,提出了对该模型中参数存在线性约束条件和无约束条件时的估计方法。此外,为了减少模型误差,在进行高维数据分析时通常会引入很多的变量。然而,其中的多数变量实际上是多余的,故为了提高模型的预测精度,需将这些无关变量从模型中剔除,即需要对模型进行变量选择。针对带测量误差的变系数部分线性面板数据模型,构造了半参数自适应Lasso惩罚函数。该方法可以同时选取对因变量影响显著的变量并估计其系数值。在一般的正则条件以及选取适当的扰动参数条件下,证明了该估计方法具有Oracle性质,且还给出了修正的LARS算法来求解目标函数。仿真模拟结果表明惩罚最小二乘估计在模型选择和参数估计中有非常好的表现。将上述考虑了的固定效应半参数面板计量经济模型应用到医疗保健支出与收入的关系研究中,实证分析了1995年—2009年42个非洲国家医疗保健支出与收入的关系。为了便于对比分析,本文同时给出了参数面板数据模型以及变系数面板数据模型的估计结果,并将42个非洲国家按世界银行的划分将其分成两类,分别研究了不同收入水平条件下医疗保健支出与收入之间的关系。研究结果表明:非洲国家的医疗保健支出的收入弹性小于1,即医疗保健支出的增长远远少于收入的增长。
【关键词】：面板数据 半参数模型 部分线性模型 变系数部分线性模型 固定效应 轮廓最小二乘 变量选择
【学位授予单位】：湖南大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：R1;F224
【目录】：

• 摘要5-7
• Abstract7-14
• 第1章 绪论14-32
• 1.1 选题背景与研究意义14-16
• 1.1.1 选题背景14-15
• 1.1.2 研究意义15-16
• 1.2 文献综述16-27
• 1.2.1 非参数面板数据模型17-18
• 1.2.2 半参数面板数据模型18-24
• 1.2.3 非参数和半参数面板数据模型的应用24-27
• 1.3 研究思路与研究内容27-29
• 1.3.1 研究思路27
• 1.3.2 研究内容27-29
• 1.4 创新点29-32
• 第2章 非参数面板数据建模理论分析32-50
• 2.1 非参数回归理论32-39
• 2.1.1 非参数回归中的常用工具32-36
• 2.1.2 非参数估计方法36-39
• 2.2 传统的参数面板数据模型39-43
• 2.2.1 模型设定及分类39-42
• 2.2.2 固定效应与随机效应的选择42-43
• 2.3 非参数面板数据模型的估计43-49
• 2.3.1 非参数模型的构建43-44
• 2.3.2 固定效应模型的估计44-46
• 2.3.3 随机效应模型的估计46-49
• 2.4 本章小结49-50
• 第3章 约束条件下部分线性面板数据模型研究50-62
• 3.1 部分线性面板数据模型的统计推断50-53
• 3.1.1 模型设定50-51
• 3.1.2 轮廓最小二乘估计51-53
• 3.2 约束条件下参数与非参数的估计问题53-54
• 3.2.1 约束条件下模型的构建53-54
• 3.2.2 约束最小二乘估计54
• 3.3 大样本渐近性质54-58
• 3.3.1 假设条件及分析54-55
• 3.3.2 渐近正态性55-58
• 3.4 Monte Carlo仿真实验分析58-60
• 3.4.1 仿真实验设计58
• 3.4.2 仿真过程的结果分析58-60
• 3.5 本章小结60-62
• 第4章 变系数部分线性面板数据模型研究62-76
• 4.1 变系数部分线性面板数据模型的统计推断62-66
• 4.1.1 模型分析62-63
• 4.1.2 模型中参数与非参数的估计63-65
• 4.1.3 约束最小二乘估计65-66
• 4.2 大样本渐近性质66-73
• 4.2.1 假设条件及分析66
• 4.2.2 渐近正态性66-73
• 4.3 Monte Carlo仿真实验分析73-75
• 4.3.1 仿真实验设计73-75
• 4.3.2 仿真过程的结果分析75
• 4.4 本章小结75-76
• 第5章 基于高维面板数据的变系数部分线性模型研究76-94
• 5.1 线性误差协变量下模型的参数估计76-78
• 5.1.1 轮廓最小二乘估计76-78
• 5.1.2 参数的估计78
• 5.2 高维面板数据的参数估计问题78-83
• 5.2.1 变量选择78-82
• 5.2.2 自适应Lasso惩罚函数估计82-83
• 5.3 定理与算法83-90
• 5.3.1 假设条件及分析83
• 5.3.2 Oracle性质83-89
• 5.3.3 算法步骤89-90
• 5.4 Monte Carlo仿真实验分析90-92
• 5.4.1 仿真实验设计90-92
• 5.4.2 仿真过程的结果分析92
• 5.5 本章小结92-94
• 第6章 医疗保健支出与收入关系的实证分析94-106
• 6.1 问题描述94-96
• 6.2 变量选取与模型构建96-100
• 6.2.1 变量选取与数据描述96-97
• 6.2.2 模型构建97-100
• 6.3 结果分析及启示100-104
• 6.3.1 结果分析100-103
• 6.3.2 启示103-104
• 6.4 本章小结104-106
• 结论106-110
• 参考文献110-126
• 致谢126-127
• 附录A 攻读博士学位期间的学术成果及奖励127-128
• 附录B 攻读博士学位期间参与的研究课题128

【相似文献】

中国期刊全文数据库 前3条

1 李莉;余红梅;刘桂芬;;半参数治愈模型在长期生存者资料分析中的应用[J];中国卫生统计;2006年04期

2 李进文;;两室模型药物体内释放(溶出)速率估算的半参数随机模型[J];数理医药学杂志;2012年04期

3 ;[J];;年期

中国重要会议论文全文数据库 前3条

1 李玉梅;钱伟民;;纵向数据半参数混合效应模型中的估计方法[A];2003中国现场统计研究会第十一届学术年会论文集（上）[C];2003年

2 许友传;;基于半参数GARCH模型的中国黄金市场波动性研究[A];第十一届中国管理科学学术年会论文集[C];2009年

3 叶阿忠;李子奈;;半参数计量经济联立模型的工具变量估计[A];21世纪数量经济学（第8卷）[C];2007年

中国博士学位论文全文数据库 前6条

1 吕志科;半参数面板计量经济模型理论及应用研究[D];湖南大学;2015年

2 李海芬;平滑估计方法在半参数生存模型中的应用研究[D];华东师范大学;2012年

3 孙志猛;复杂数据下半参数单调回归模型的估计[D];北京工业大学;2011年

4 胡雪梅;半参数变系数部分线性度量误差模型中的序列相关检验和经验似然[D];中南大学;2008年

5 王凯平;对独立及相依数据的非参和半参模型的半参调整[D];山东大学;2008年

6 赵培信;半参数变系数部分线性模型的统计推断[D];北京工业大学;2010年

中国硕士学位论文全文数据库 前10条

1 吴海燕;函数型半参数部分线性回归模型的性质研究[D];南京大学;2014年

2 古丽斯坦·库尔班尼牙孜;半参数时空变系数回归模型的估计方法及其统计推断[D];新疆大学;2015年

3 徐彬蓉;关于方差估计和比较的一种半参数方法[D];南京财经大学;2015年

4 方芳;在半参数密度函数比模型下关于两总体均值差检验的研究[D];南京财经大学;2014年

5 宋泽婧;贝叶斯半参数多状态模型在老年人认知与抑郁关系研究中的应用[D];山西医科大学;2016年

6 李岩岩;SIR降维方法与半参数可加回归的应用研究[D];重庆工商大学;2016年

7 刘波;基于RKHS理论处理非线性数据的一种广义半参数充分降维方法[D];中国科学技术大学;2016年

8 张岩;半参数逆回归降维模型及其应用[D];浙江大学;2008年

9 臧微;半参数非线性再生散度模型的影响评价[D];贵州财经学院;2010年

10 宋伟平;截尾三段线性函数期望与方差的半参数界[D];哈尔滨工业大学;2011年

，

本文编号：779352