非平衡面板模型中参数分类方法的理论研究和实际应用

论文摘要

面板数据在计量经济学、统计学、生物统计学等一些学科领域都有广泛的应用。面板数据可以控制个体间的异质性,还可以识别只用横截面或者时间序列数据无法估计的影响。面板数据一般具有更多的样本信息,允许构建更加复杂的模型。在实际收集数据的过程中,由于个体不再接受调查、企业倒闭或者某些个体在后来才接受调查等原因,缺失数据非常常见。本文主要研究的是非平衡面板数据模型中参数分类方法的理论性质和实际应用。一般面板数据模型研究的个体数目非常多,个体间具有不同的特征。因此,假设面板数据模型的参数完全同质性是不合理的,甚至会得出错误的统计推断和不一致的估计等;有研究者认为面板数据模型的参数应当是完全异质的,因为个体的数目非常多导致模型的未知参数趋于无穷,这会导致无法估计模型的参数。本文认为不同类的个体模型参数不同,同一类的个体的模型参数是相同或相似的。另外,一般面板数据模型都假设模型的误差项是同方差的。对于个体规模变化大的面板数据模型,模型的误差项常常存在异方差。本文考虑了非平衡面板数据误差成分模型中的异方差,假设同一类的个体具有相同或相似的误差项方差,不同类的个体误差项方差不同。首先用LSDV估计单因素误差回归模型的回归系数;用ANOVA方法估计面板数据误差成分模型的异方差。然后计算参数估计量之间的距离,对排序后的距离使用一个非线性转换函数,得到某个组1,再重复上面的步骤求出群组结构1,….,0,本文把这种方法称为迭代方法。我们利用迭代方法对面板数据模型的参数分类,得到了一些理论结果,并给出了证明。蒙特卡罗模拟结果表明基于迭代方法的分类组数的均值和模拟设定的分类数目更接近,并且分类的正确率比其他算法高。模拟比较了基于迭代方法和其他算法的两类误差率,结果表明基于迭代方法的误差率和其他的分类算法的误差率都很低,说明了分类方法的准确性。最后通过一个实际数据分析进行了应用研究。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景及意义
•   1.2 研究现状及文献综述
•   1.3 研究内容及框架
•     1.3.1 研究内容
•     1.3.2 研究框架
•   1.4 论文的创新点
• 第2章 非平衡面板模型的基础知识
•   2.1 非平衡面板数据模型
•   2.2 模型参数估计
•     2.2.1 回归系数的估计
•     2.2.2 扰动项方差的估计
•   2.3 分类算法
•     2.3.1 K-Means分类方法
•     2.3.2 基于比值的分类算法
• 第3章 非平衡面板数据模型参数分类的理论研究
•   3.1 回归系数的分类
•   3.2 扰动项方差的分类
•   3.3 渐近性质的详细证明
• 第4章 蒙特卡罗模拟研究
•   4.1 回归系数分类的模拟研究
•   4.2 扰动项方差分类的模拟研究
•   4.3 分类的一致性
• 第5章 实证分析
•   5.1 回归系数分类的实证分析
•   5.2 扰动项方差分类的实证分析
• 第6章 总结与展望
• 参考文献
• 致谢
• 附录A
•   1.1 三因子模型的实例数据和结果
•   1.2 制造公司研发率的实例数据和结果

文章来源

类型: 硕士论文

作者: 邢丽娟

导师: 吴鑑洪

关键词: 非平衡面板,分类,异质性,参数估计

来源: 上海师范大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 上海师范大学

分类号: O212.1

总页数: 51

文件大小: 2497K

下载量: 74