分组因子面板模型下基于聚类和平行分析的参数估计

发布时间：2021-06-24 05:56

　　面板数据是一类重要的数据,生成于经济、管理和社会学等多个领域。在面板数据研究中一个非常关键的问题是对未知组别具有组因子结构的面板数据模型进行参数估计。文献中人们常用的估计方法是,首先人为给出一个较大且粗糙的组数和组因子数的取值范围,然后利用C_p准则对组数和各组的因子数进行模型选择。在得到组数和组因子数后根据最小二乘对模型中其他参数进行估计。这种估计方法给出的组数范围常常不够准确:给出的组数范围可能未包含真正的组数,或者给出的范围区间较大,使得确定组数的难度和计算强度大大增加。为了克服以上缺陷,本文提出了一种基于聚类分析的组数范围的估计方法。基于此种估计方法对参数进行估计,既提升了估计精度,也提升了运算强度。此外,如果我们利用C_p准则对组数和组因子数进行选择,则每一次计算得分,就需要对模型进行一次训练。由于组数与组因子数的组合有很多,因此模型选择计算量较大。本文提出采用平行分析算法,将组因子数的估计放到了模型的参数估计过程中,在利用最小二乘逐步求解模型中的因子和因子载荷时加入平行分析,对因子个数进行选择。这种估计算法减少了模型参数求解的复杂程度... 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

数值模拟1——聚类结果

数值模拟2——聚类结果

第四章数值模拟§4.3数值模拟3：解释变量与因子相关在进行实际数据分析时，部分数据的解释变量xit与不可见因子存在相关性，因此我们在这种情况下进行数值模拟。数据生成的过程如下：yi=Xiβ+Fjλji+εi,xi,t,q=Fgi,t,qΛgi,i,t,q+vi,t,q,(q=1,2,3)(4-1)在数值模拟3中，解释变量同不可见因子之间是相关的，xi,t的前三个变量由因子构成，xi,t中包含的因子结构的数值设置，以及yi模型中的各个数值设置，均同数值模拟1相同。vi,t,q为xi,t,q中的误差项，服从N(0,1)分布。实验结果表明在解释变量与因子相关的情况下，本文提出的组数范围估计是合理的，对回归系数的估计效果也是不错的。但相比数值模拟1的回归估计结果，本组的估计结果精度稍低，这说明，分组面板模型回归系数的估计精度回受解释变量与因子之间相关性的影响。在对因子数的估计中，本组的估计结果不是很准确，并且随着N,T的不同，准确度有着较大的波动。这一结果也比较合理，解释变量若与因子相关，一定会对模型的因子数求解产生影响，但整体看来，因子数估计的准确性均高于60%，并且大部的精度高于70%。这表明，虽然解释变量与因子若存在相关性，会影响本文算法中因子数估计的准确性，但在这种情况下，算法还是可以预测出各组因子数的。图4-3:数值模拟3——聚类结果-28-

【参考文献】：
期刊论文
[1]基于贝叶斯法则的空间自相关误差自相关模型变量选择研究[J]. 张元庆,陶志鹏.  数理统计与管理. 2016(05)
[2]中国A股市场个股收益影响因素的实证分析[J]. 周孝华,傅能普.  技术经济. 2013(08)

博士论文
[1]基于分组模型的面板数据分析[D]. 曲昊.东北师范大学 2019
[2]分层因子交互效应面板模型及其对民营制造企业外部约束的应用分析[D]. 黎娇龙.华中科技大学 2018
[3]面板数据下均值模型的变点检测问题[D]. 陈卓恒.武汉大学 2017

硕士论文
[1]面板数据下灰色关联聚类模型及其应用研究[D]. 叶莉莉.华北水利水电大学 2019
[2]财政补贴对我国体育企业经营绩效影响的实证研究[D]. 魏孟祺.武汉体育学院 2019
[3]MESS面板数据模型的估计与应用研究[D]. 冯树辉.上海师范大学 2019
[4]我国城乡一体化评价指标体系研究[D]. 牛玲.河北师范大学 2017
[5]我国上市公司经营业绩与股票收益率相关性分析[D]. 卢文海.东北财经大学 2016
[6]沪深300股指期货对不同行业现货市场影响的实证研究[D]. 陆方寅.浙江财经大学 2015



本文编号：3246515