均匀试验设计与DSGE模型参数估计
发布时间：2021-03-10 03:20
均匀试验设计广泛应用于各种科学研究和工业领域中.构造均匀设计,特别是非对称均匀设计,即便是对于数量适中的处理数、因子数和水平数来说,也是一项异常复杂而棘手的任务.通过因子的水平置换,可以建立起均匀性与混杂之间的关系,基于此,本文提出了通过水平置换来构造非对称均匀广义最小低阶混杂（generalized minimum aberration,GMA）设计以及对称和非对称均匀最小矩混杂（minimum moment aberration,MMA）设计的方法.数值结果表明通过水平置换构造的设计具有非常好的均匀性.此外,将均匀性与序贯思想相结合,提出了一种全局最优算法一 MSNTO算法,最后将其应用至动态随机一般均衡（dynamic stochastic general equilibrium,DSGE）模型参数估计中,丰富了经济模型参数估计理论,为进一步将试验设计方法与经济模型的融合奠定了 一定的基础.主要结论及创新点如下:对于非对称设计,对其因子进行水平置换后,推导出了中心化L2-偏差均值与广义字长型之间的线性组合关系,在此基础上,将中心化L2-偏差推广至任意由再生核定义的偏差,给出任意再...
【文章来源】：河北师范大学河北省
【文章页数】：112 页
【学位级别】：博士
【部分图文】：
N=100时基于MSNTO算法的FIML估计诊断图
图 6.2: N=200 时基于 MSNTO 算法的 FIML 估计诊断图表 6.6: N=740 时基于 MSNTO 算法的 FIML 估计结果待估参数 估计结果 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
图 6.3: N=360 时基于 MSNTO 算法的 FIML 估计诊断图表 6.7: N=900 时基于 MSNTO 算法的 FIML 估计结果待估参数 估计结果 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
【参考文献】：
期刊论文
[1]我国DSGE模型的开发及在货币政策分析中的应用[J]. 刘斌. 金融研究. 2008(10)
[2]CONSTRUCTING UNIFORM DESIGNS WITH TWO- OR THREE-LEVEL[J]. 覃红,张尚立,方开泰. Acta Mathematica Scientia. 2006(03)
[3]我国产出缺口的估计[J]. 刘斌,张怀清. 金融研究. 2001(10)
[4]A NOTE ON UNIFORM DISTRIBUTION AND EXPERIMENTAL DESIGN[J]. 王元,方开泰. A Monthly Journal of Science. 1981(06)
[5]高维数值积分的数论方法[J]. 张荣肖,徐广善,王元. 应用数学学报. 1978(02)
本文编号：3073966
【文章来源】：河北师范大学河北省
【文章页数】：112 页
【学位级别】：博士
【部分图文】：
N=100时基于MSNTO算法的FIML估计诊断图
图 6.2: N=200 时基于 MSNTO 算法的 FIML 估计诊断图表 6.6: N=740 时基于 MSNTO 算法的 FIML 估计结果待估参数 估计结果 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
图 6.3: N=360 时基于 MSNTO 算法的 FIML 估计诊断图表 6.7: N=900 时基于 MSNTO 算法的 FIML 估计结果待估参数 估计结果 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
【参考文献】：
期刊论文
[1]我国DSGE模型的开发及在货币政策分析中的应用[J]. 刘斌. 金融研究. 2008(10)
[2]CONSTRUCTING UNIFORM DESIGNS WITH TWO- OR THREE-LEVEL[J]. 覃红,张尚立,方开泰. Acta Mathematica Scientia. 2006(03)
[3]我国产出缺口的估计[J]. 刘斌,张怀清. 金融研究. 2001(10)
[4]A NOTE ON UNIFORM DISTRIBUTION AND EXPERIMENTAL DESIGN[J]. 王元,方开泰. A Monthly Journal of Science. 1981(06)
[5]高维数值积分的数论方法[J]. 张荣肖,徐广善,王元. 应用数学学报. 1978(02)
本文编号：3073966
本文链接：https://www.wllwen.com/kejilunwen/yysx/3073966.html
