张金凤[1]2016年在《半参数模型的设定与应用研究》文中指出模型设定是计量经济学建模过程的重要组成部分。计量经济学的本质就是用数据来描述经济现象,最终体现经济数据的变化规律并用模型形式来表达。在计量经济学模型完整的研究框架中,模型设定居于建模过程的首位。当模型被正确地设定时,基于该模型得到的估计和检验结果才能应用到经济数据分析中。只有计量经济模型真实地反映经济系统运行的规律,才能为经济政策评价和经济系统结构分析提供可靠的基础。一旦模型被错误设定,那么任何的估计和检验方法都无法弥补这种模型结构上的错误。此时,由模型得到的结论就不能如实地刻画经济数据的变化特征,并且很有可能是错误的,这会给经济研究带来很大的风险。因此,对模型的设定问题进行研究是非常必要的,且具有重要的理论意义与应用价值。模型设定是指在建立计量经济模型时,对变量选择、回归函数形式以及误差项分布等方面进行地讨论。这里主要研究的问题是对回归函数形式的确定。半参数回归模型是一类重要的计量经济模型,不仅兼顾了参数回归模型和非参数回归模型的优点,同时还能降低参数回归模型对数据假设条件的依赖程度。由于半参数回归模型的结构能有效地缓解非参数回归模型的维数陷阱问题,使得半参数回归模型可广泛地应用于社会生活的各个领域中。因此,从理论和应用的角度来看,半参数回归模型的研究都具有重要的意义。同参数回归模型类似,半参数回归模型也存在模型被错误设定的可能。由于半参数回归模型的理论还不够完善,且有广泛的应用前景,因此文章将半参数回归模型的设定作为重点研究问题。文章首先对国内外非参数回归模型与半参数回归模型设定方法的相关文献进行了系统地梳理和归纳,充分了解了模型设定在国内外的研究现状,并重点研究了半参数回归模型的模型设定内容,为文章的选题提供了理论支撑。基于Yatchew(2003)提出的非参数回归模型设定研究的基本框架,将半参数回归模型中的部分线性模型和单指标模型的模型设定问题也纳入到该研究框架内,事实上,对这些问题的研究最终都要归纳到对残差的回归分析上。这项工作扩展了模型设定的研究范围,为半参数回归模型的设定方法问题提供了一个新的研究方法。然后文章通过深入地研究简化了各种设定方法的步骤,为使用它们的研究者提供了很好的工具。在实证方面,将文章的研究成果应用到我国上市公司主要财务指标与股票价格的研究中。通过模型的设定方法得到了适合分析上市公司主要财务指标与股票价格之间关系的计量模型,为这方面的研究提供了理论依据。文章的创新点主要体现在以下叁点:一、对国内外非参数模型和半参数模型的设定方法相关文献进行了系统地梳理与归纳。按研究方法的不同,对各种方法的适应性进行了探讨,使得非参数回归模型和半参数回归模型的设定理论更加完善,为应用这些模型的研究者提供了简便的方法。二、对半参数回归模型中的部分线性模型和单指标模型的设定方法进行了改进,将这两类模型的检验过程纳入了一般的研究框架中,进一步完善了半参数回归模型的设定方法。叁、将文章的研究成果应用于我国上市公司主要财务指标与股票价格的实际研究中,利用半参数模型对它们进行分析,得到了较好的结论。在此基础上,与实证分析中常采用的参数线性模型进行了比较和研究,得到了半参数模型比参数模型以及非参数模型效果更好的结论。此项研究不仅对我国上市公司财务指标与股票价格的模型建立提供了理论基础,还为半参数模型的设定问题提供了很好的实证依据。
王淑霞[2]2008年在《部分线性自回归模型及其应用研究》文中认为本文主要研究部分线性模型中自回归模型的估计及其应用问题,包括部分线性自回归模型的核估计及偏核光滑估计。主要内容包括:1.对线性自回归模型中的滞后阶数的选择方法及该模型的几种参数估计进行了分类,并对几种估计方法做了比较分析。然后,将该模型应用于我国原煤产量月度预测分析问题中,结果表明:线性白回归模型比较简单,不能很好的体现实际问题中影响因素的特点,使得预测结果误差较大。2.对部分线性自回归模型在挑选显着变量、确定最佳带宽及对未知量估计的方法上做了_些研究。并应用于我国原煤产量月度预测分析问题中,结合线性自回归模型中的定阶方法,确定了模型的参数变量和非参数部分变量;然后对这一实际问题建立的模型与直接建立的自回归模型,从拟合和预测两个方面作比较,结果得出:部分线性自回归模型因为考虑了非线性因素的影响,其拟合和预测精度都比较高。从而可以为我国原煤产量未来预测提供一个可行的方法或依据。3.给出了部分线性自回归模型的偏核光滑估计及模型参数部分的估计偏差,并通过构造广义的交叉核实函数对模型中的带宽进行选择。然后,利用所得结果建立了煤油电企业商品价格指数的部分线性自回归模型,从模拟计算结果可以看出该模型模拟效果较好,从而验证了此偏核光滑估计是一个有效估计。
潘雄[3]2005年在《半参数模型的估计理论及其应用》文中提出半参数模型是二十世纪八十年代发展起来的一种重要的统计模型,它引入了表示模型误差或其它系统误差的非参数分量,从而使这种模型既含有参数分量,又含有非参数分量,兼顾了参数模型和非参数模型的优点,较单纯的参数模型或非参数模型有更大的适应性,并具有更强的解释能力。 在许多实际问题中,我们遇到的系数是非随机设计点列,即固定设计点列的情况。因而本论文主要研究在固定设计情况下,半参数模型中参数分量和非参数分量的估计量的构造、估计结果的大样本性质及其应用。 将参数模型和非参数模型估计理论中的参数估计扩展到半参数模型,初步建立半参数模型最小二乘估计理论是本文所做的主要工作。将测量数据处理中影响观测值的因素分为两个部分:一部分为线性部分,另一部分为某种干扰因素,它同观测量的关系是完全未知的,没有理由将其归入误差项,可以将其看成半参数模型中的非参数分量,即用非参数分量表达参数模型表达不完善的部分。因此,半参数模型可以克服参数模型在表达客观模型方面的局限性。一方面使数学模型与客观实际更接近,另一方面能从误差中分离出系统误差和偶然误差,提供更丰富的解算结果。从而,半参数模型可以概括和描述众多实际问题,更接近于真实,因而引起了广泛的重视,研究日益成熟,本文的研究具有理论意义和实用价值。 本论文将结合数学界的理论研究工作与测绘界的实际需要,系统地研究半参数模型的各种估计方法(补偿最小二乘法、两步估计法、二阶段估计法、小波估计法、迭代法等)及其在测量数据处理中的应用,具体地说,主要研究了如下内容: 在第二章,基于最小二乘极值问题的求解,提出了补偿最小二乘准则。在该准则下,得到了正规化矩阵正定、半正定情况下模型中参数分量、非参数分量的估计值及其观测值的改正值的表达式。较为系统地讨论了平滑因子及正规化矩阵的选取方法。利用补偿最小二乘原理构造加权补偿平方和,得到了半参数模型中正规化矩阵正定时参数和非参数的估计量。从偶然误差的统计特征出发,详细讨论了这种平差方法得到的参数估计值的有偏性、误差大小等统计性质,并对半参数平差与最小二乘法的参数估计值进行了比较。理论分析表明,通过选取合适的平滑因子,半参数平差方法优于最小二乘法。另外从数理统计的角度对平滑因子的选取进行了分析,得到了平滑因子的取值范围。在均方误差准则下,对半参数模型和参数模型的估计的准确度进行了比较,给出了参数分量为O的T统计检验的实用统计量的构造公式和检验方法。这对于上述估计方法的应用有实际意义。 采用模拟数据对补偿最小二乘法进行了算例验证,与忽略系统误差采用参数模型在最小二乘准则下的估计结果进行了比较,证明采用半参数模型,可以估计出系
荆科[4]2017年在《基于重心权有理插值函数的预测模型研究》文中提出预测是根据历史及现在的信息,利用科学方法及手段,对未来发展做出判断。预测作为决策科学化表现的前提,长期以来受到学界的广泛关注,在经济管理、信息技术及能源环境等领域具有重要的理论意义和实践价值。预测建模的本质很大程度上可以归结为函数逼近和曲线拟合问题。尽管传统的逼近方法如多项式、样条等在预测模型中已取得丰硕的成果,但仍需要不断开发新的预测方法,以适应日益复杂化、多样化的数据环境要求。重心权有理插值函数作为一类重要的逼近工具,其主要研究工作集中在理论性质的深化,而在实际问题中的应用亟待进一步探讨。鉴于此,本文从新的视角出发,基于重心权有理插值函数对传统的预测理论和方法开展研究,以期为预测建模提供新途径、为科学决策提供新方法。本文选取“基于重心权有理插值函数的预测模型研究”这一主题,综合应用管理学、计算数学、经济学和统计学等学科知识,采取理论分析与实验研究相结合的方法,从以下两方面开展:一是在理论分析方面,对传统的重心权有理插值函数进行推广,并证明其在收敛性能等方面的优越性,为构建新的预测模型提供扎实的理论基础;二是在预测建模方面,以几类经典的预测模型为研究对象,如模式识别领域的支持向量机(SVM)分类预测模型、统计回归领域的非参数回归和半参数回归预测模型、“贫信息”的灰色预测模型等,基于重心权有理插值函数构造新的预测建模方法,并应用于实际问题研究。本文的主要工作和创新点如下:(1)理论上,推广了重心权有理插值函数,并证明其具有以下优良性质:第一,满足二阶导数插值条件;第二,在实数范围内无极点;第叁,无论插值节点如何分布,在任意插值区间,插值函数及其一阶、二阶导函数均具有高阶收敛性质;第四,函数可以写成重心权形式。最后,数值实验表明,推广后的重心权有理插值函数的收敛阶数至少是传统重心权有理插值及叁次样条插值函数的叁倍以上。(2)基于重心权有理插值函数,从函数逼近角度及核函数性质出发,构造了一种新的SVM模型的核函数(BRI),从理论上证明此核函数能获得较好的学习能力和泛化能力。数值实验表明,基于重心权有理插值函数的SVM模型不仅具有较高的分类精度,而且能够改善传统核函数对数据分布的依赖性。(3)基于重心权有理插值函数,提出了一种新的非参数回归预测模型,并给出一整套建模过程,包括基函数的构造、参数估计、诊断检验、节点选择、模型预测等。与传统的样条函数方法相比,提出的模型具有以下优势:拟合的曲线光滑性更好、模型计算复杂度较低、参数估计存在明确的含义。最后,将该模型应用于上海证券交易所交易的国债利率期限结构研究,结果显示:该模型在结构分析、计算复杂度、预测能力及经济内涵等方面均优于传统模型,能够有效提高国债利率期限结构拟合与定价的准确性。(4)基于重心权有理插值函数,构建了一种新的半参数回归预测模型,并给出了数学表示、参数估计与检验、模型选择与模型预测等建模技术。该模型拟合的曲线光滑度较高且具有明确的解析式;在选取相同节点的条件下,待估计参数的个数更少且富含实际意义,从而得到比传统样条函数方法更为深刻的结果。最后,将该模型应用于我国菲利普斯曲线研究,并在此基础上对通货膨胀率进行预测,结果显示,该模型不仅能够充分发掘我国菲利普斯曲线的非线性特征,而且有效提高了通胀率预测的精准度。(5)在灰色预测建模方面,首先,分别利用数乘变换和正交变换有效改善了 GM(1,1)模型的病态性问题。其次,基于重心权有理插值函数,构造一种新的GM(1,1)模型,其主要优势体现在:提高背景值重构的质量;优化了模型初始条件及参数。最后,基于向量值重心权有理插值函数,给出多变量MGM(1,m)模型背景值构造的新方法,在减小计算量的同时提升了模型的预测性能。实验研究表明,以上方法充分改善了模型的稳定性与适用性,有效提高了模型的预测精度。本文成果扩展了传统预测模型的研究思路,丰富了传统预测模型建模的方法体系,对改善和提高传统预测模型的建模效率具有重要的理论价值和实际意义。
靳坤坤[5]2016年在《半参数回归模型有偏估计的研究》文中进行了进一步梳理近年来,对于线性统计模型的研究已经趋于成熟,很多研究已经在实际中得到广泛的应用。半参数回归模型是20世纪80年代后逐渐发展起来的一种新的对于参数研究的统计模型,它可以分为两部分：一部分是线性回归部分,另一部分是观测因素下未知量。这就可以克服参数模型在表达客观模型方面的局限性,在描述实际问题是就更加接近真实,对其做相应的研究,更具有一定的理论研究和实际应用的意义。本文主要研究半参数回归模型以及它的几类有偏估计,主要内容如下：1、讨论了半参数回归模型的主成分估计,然后对其理论性质进行相应的研究,并证明其在均方误差意义下满足相应条件时优于最小二乘估计。2、根据线性回归模型的相关研究,构造了半参数回归模型的主成分岭估计,然后对其理论性质进行相应研究,并在均方误差意义下,讨论满足相应条件时,半参数回归模型的主成分岭估计优于最小二乘估计。3、讨论在均方误差意义下,满足相应条件时,半参数回归模型的主成分岭估计优于其单一的主成分、岭估计。4、对参数附加一定的约束条件b=Aβ,构造半参数回归模型约束条件下的主成分估计和主成分岭估计,并证明在均方误差意义下满足一定条件时,使得约束条件下主成分估计优于普通的最小二乘估计,约束条件下岭型主成分估计优于普通的岭估计。5、对参数附加一定的随机约束条件b=Aβ+η,构造半参数回归模型随机约束条件下的主成分估计和主成分岭估计,并讨论它们的一些相关性质。6、用R软件对上述理论做相应的Monet Carlo模拟,说明理论研究的有效性。
任亚宁[6]2016年在《基于非参数方法对人民币汇率与利率动态关系的研究》文中认为我国当前正处于经济结构转变的关键时期,经济数据的结构在不断地发生着变化,分析经济数据的方法和所建的模型也逐步由简单发展到复杂。参数建模的方法都依赖于对模型的基本假设,回归参数的优良性质也是建立在回归残差分布是已知的条件下,因此事先设定模型形式和提供假设条件给参数模型的应用带来了一定的局限性。非参数模型在很大程度上放宽了经典计量经济模型的假设条件,使得模型的表现形式更加灵活,并且更加真实地表现数据的生成过程和更好地体现经济运行规律。因此,对非参数模型及其估计方法进行研究有着重要的理论和现实价值。2015年10月30日人民币加入SDR(特别提款权)货币篮子,这将加强我国金融市场与世界金融市场的接轨程度,同时也为非参数方法的应用提供了更多的机会。文中首先研究了窗宽和核函数,接着对不同的非参数估计方法进行了研究和对比分析,又从非参数时间序列模型形式的确定、估计方法的选择以及模型预测等方面进行了研究。实证分析部分首先运用参数方法对汇率与利率的关系建模,再利非参数方法对汇率和利率的动态关系做进一步分析,分别得出了汇率、利率密度函数的非参数估计和建立了汇率、利率的非参数时间序列模型,并在此基础上建立了汇率与利率动态关系的非参数模型。文章通过对非参数模型及其估计方法的研究得出了以下结论:第一,对常用非参数估计方法的特点进行了研究和对比分析,其中估计方法包括核估计、局部线性估计、k近邻估计、局部多项式估计等。文中探讨了各种估计方法的适用情况,为他人合理地使用提供了便利。第二,建立了人民币汇率与利率动态关系的非参数模型,旨在从变量的数量关系方面进行研究,因而抛开了更多定性因素的影响得出了变量在数据层面的相互影响关系。
李萌[7]2014年在《基于半参数模型的插补方法与实证研究》文中认为数据缺失是解决实际问题时普遍存在的现象,这一现象是影响统计质量的一个重要方面。缺失数据不仅会增加研究的复杂性,还会造成推论中估计的偏差增大,从而使得研究结果缺乏说服力。因此,需要采用一定的方法对数据缺失的现象进行补救,插补方法是比较常用的一种处理缺失数据的重要方法,本文主要对这一方法进行讨论。常用的插补模型有参数模型、非参数模型和半参数模型,其中关于半参数模型的研究很少,考虑到半参数模型的优越性,本文尝试对基于半参数回归模型的插补方法内容进行讨论。考虑将半参数回归模型与插补方法相结合——利用最小二乘核估计的方法对半参数模型进行估计,再利用辅助变量对目标变量进行估计来建立缺失数据的插补数据集,进而实现缺失数据的插补,并通过模拟案例探究该方法的实现及其可行性。在实证研究部分,讨论这一方法在实际中的具体应用,并对单一均值插补法、分层均值插补法、比率插补法、最近距离插补法、分层热卡插补法、回归插补法和基于半参数回归模型的插补方法这几种方法进行了比较研究。研究结果表明,变量间的相关性会随着缺失率的增加而变化,采用回归插补进行处理时,某些变量的系数没有通过检验需要被剔除,此时可以考虑用半参数模型进行估计,将未通过检验的变量作为非参数部分可以避免信息的损失。此外,对于实际问题中辅助变量与目标变量之间的线性关系不明确的情况,采用基于半参数回归模型的插补方法进行插补后,插补值和真实值之间的偏差较小,利用插补后的“完整数据集”对目标变量的期望和方差进行估计也会得到较优的结果。
邵臻[8]2015年在《基于特征分析和数据降维的复杂数据预测与分类方法研究》文中研究说明数据预测与分类是数据挖掘领域非常重要的研究课题,长期以来受到了广泛的关注。数据预测与分类理论是管理科学、经济、数学、计算机等不同学科相互交叉融合的结晶,并已经被广泛应用于能源价格市场分析、金融市场价格预测和风险控制、生物信息识别、商务智能客户行为分析等众多领域。近年来,随着信息技术、互联网技术的迅猛发展,云计算、大数据分析的逐步成熟,复杂数据预测与分类研究充满了机遇与挑战,一方面,随着上述新兴技术、产业的发展与推广,大量实时在线数据的快速收集得以实现,以数据预测与分类为代表的数据挖掘技术将在更多的领域中发挥更大的作用。另一方面,从数据维度、数据类型以及数据体量等不同层面来看,数据对象正变的越来越多样化、复杂化,这极大的增加了精准化和精细化挖掘的难度,同时也从知识获取的准确性、合理性、可靠性以及实用性等多个方面对数据预测与分类研究提出了更高要求。本文在对国内外数据预测与分类有关基础理论、实现方法和建模策略进行梳理和总结的基础上,重点从数据的维度复杂性、频域特征复杂性、多源信息识别与匹配叁个方面出发,紧密围绕数据预测与分类的关键问题,以电力系统负荷数据、电力市场价格数据为主要研究对象和案例,对复杂数据预测与分类问题展开研究。本文的主要研究内容及创新点总结如下：(1)提出了一种基于相似性测度的半参数回归概率密度预测框架,系统性分析了传统数据预测方法的适用范围及存在的问题。在此基础上,针对研究对象的多源相关性特征,构建了基于非参数修匀的半参数回归模型,同时结合Bootstrap概率区间估计进行分析。其次,针对所选择的多影响因素指标与研究对象之间作用机制难以确定的问题,结合相似性测度、因子分析以及因果关系检验等方法,给出了一种规范化的指标变量提取与识别策略。通过实验验证所提出预测框架的有效性,进而为深入研究不同指标变量与对象数据之间的复杂建模机制提供了借鉴。(2)提出了一种基于数据降维的分段可加半参数回归概率密度预测框架,针对数据的周期性、多维多粒度波动特性,受到可加建模思想的启发,提出了基于分段可加的半参数回归模型,并结合Bootstrap概率区间估计进行分析。为保证样本外预测的可行性和合理性,基于Bootstrap重采样技术对气象数据的未来趋势进行了有效模拟。该数据预测框架引入了可加建模思想对数据作降维度处理,并结合指标变量筛选与匹配方法从而完成概率分布建模,给出了一种可行的大跨度外延预测方法,同时提高了数据预测在电力需求分析中的实用性和鲁棒性。(3)提出了一种基于特征提取的半参数回归概率密度预测框架,针对数据的周期性、多频域特征混迭特性,基于EEMD频域分解方法对原始序列进行多尺度分析,结合频域特征选择与识别方法确定原始序列的特征信号和随机信号,并对不同频域信号进行重构。结合正交最小二乘估计、Bootstrap概率区间估计,构建了非参数修匀策略的半参数回归模型。基于所提出的模型对不同特征成分和趋势成分分别建模并集成预测。该数据预测框架引入了频域分析方法对数据作降维度处理,通过合理的筛选特征信号和趋势信号并进行概率分布建模,为有效分析具有复杂趋势融合特征的非平稳时间序列数据提供了一种新思路。(4)提出了一种基于特征选择和支持向量机的高维数据分类框架,针对连续型数值预测方法用于非平稳、极端波动趋势分析时容易失效的问题,基于数据分类的思想将传统的数据类别看作是描述对象数据变化的“概率空间”,并增加对象数据的所属类别及类别范围从而将区间预测转化为模式分类问题。通过融合Filter和rapper两种不同特征选择思路对SVM进行改进,给出了基于多分类的SVM-RFE-MRMR分类方法,并结合PCA-DP时间序列分割等方法,从模式判别的角度给出了一种复杂数据预测新框架,进而为高维数据波动规律分析、非平稳高频波动数据预测等问题的研究提供了新思路。
胡宏昌[9]2004年在《半参数模型的估计方法及其应用》文中认为随着测绘科学技术的发展,测绘科学本身及其它相关科学都对现代测量数据处理提出了更高的要求,而现有的数据处理理论已经无法解决在测量实践中遇到的一些新问题,限制和束缚了测绘技术的发展与应用。因此必须进一步研究、改进数据处理理论,并提出和发展新的理论与方法。 在测量数据处理中,人们常常采用参数模型,是因为其结构简单、易于处理,而且在火多数情形下(如常规大地测量的各种静态问题),由于大部分系统误差可在数据处理前补偿、消除或在参数模型中表达,故所建立的参数模型与客观实际是比较一致的,能满足实际需要。但在有些情形下(如大地测量的一些动态问题),观测值中存在既不能消除又无法参数化的系统误差,从而导致了参数模型与客观实际存在不可忽视的偏差。 另一方面,系统误差总是作为有害成分设法予以消除或补偿,这并不一定是很科学的处理方法。实际上,系统误差中含有影响观测值的各种因素的信息,如能正确的识别、提取,则不仅能够提高参数估计精度,而且能为其它学科的研究提供资料。 另外,如果影响观测值的因素可分为两个部分:主要部分是线性关系,另一部分是某种干扰因素,它同观测量的关系是完全未知的,也没有理由将其归入误差项。此时,如用非参数模型(尽管它有较大的适应性)加以处理,则会失去太多的信息,如采用线性模型加以处理,则拟合效果很差。 鉴于以上问题,需要考虑其它的数据处理模型——半参数模型 l_i=A_i~TX+s(t_i)+△_i (i=1,2,…,n),它是八十年代发展起来的一种重要的统计模型。由于它既含有参数分量(描述了观测量中函数关系已知的成分),又含有非参数分量(专门表示函数关系未知的模型偏差),可以概括和描述众多实际问题,更接近于真实,因而引起广泛重视,其研究日益成熟。 一般来说,测量数据处理问题最终归结为参数或非参数估计问题。迄今为止,对半参数模型的研究已存在大量的估计方法,如:早期将非参数分量参数化的思想;两步估计,包括近邻估计、权估计、核估计、小波估计等;两阶段估计;抗差或稳健估计;补偿最小二乘估计法等等。但在数学等理论领域,其研究几乎是理论估计及其大样本性质,很难将它们转化为应用;而在测绘等应用领域,对半参数模型的研究大多数结果存在理论研究不透彻及方法单一等不足。笔者试图在二者之间建起一座桥梁,以便弥补二者的不足。 本论文将结合数学界的理论研究工作与测绘界的实际需要,系统地研究了半参数模型的各种估计方法(补偿最小二乘法、小波估计法、泛最小二乘法、累积法、稳健估计法、迭代法、两阶段估计法等等)及其在测量数据处理中的应用。具体地说,主要研究了如下内容: 在第二章里,阐明了半参数模型的补偿最小二乘估计方法,基于使最小二乘极值问题可以求解及对非参数估计曲线起平滑作用的原因,而提出的补偿最小二乘准则为 V~TPV+aS~TRS=min在该准则下,得到了参数、非参数分量的估计值及观测值改正值的表达式,并用叁次样条函数插值法得到了非参数分量的推估表达式。研究了估计量的有偏性、分布、误差大小等统计特性。较为系统地讨论了平滑因子a及正规矩阵R的选取。通过模拟的算例及坐标变换、GPS定位、重力测量等实际应用,说明了该法的成功性及实用性。并从理论上,将流行的自然样条估计方法归结为补偿最小二乘方法,从而把前者作为后者的特例来研究。 在第叁章里,以小波估计为例研究两步估计。两步估计的思想是:先基于假设参数已知,
金剑[10]2007年在《生产率增长测算方法的系统研究》文中指出生产率增长是经济增长之源，对生产率增长测算方法的研究具有重要意义。在本文之前，国内外关于生产率问题的研究浩如烟海，但较少有从综合的、系统的角度对生产率增长测算方法进行的专门研究。本文定位于生产率增长测算的应用方法的研究，在全面考察各种生产率增长测算方法的基础上，对这些建立在不同测算思想基础上的方法进行了梳理、归类、剖析、点评，对各种方法之间的异同进行了比较，概括了生产率增长测算的方法体系，考察了生产率增长测算工作中通常会遇到的两个综合悖论，探讨了生产率增长测算与SNA的结合。总的来说，本文的研究注重引入新资料、提出新观点、从新的角度对问题进行新探索，在确保方法体系完善的前提下，从综合的、系统的角度研究生产率增长测算方法。论文的主要内容分为五章。第一章介绍本课题研究的背景、意义和特点，对研究过程涉及的几对相关概念进行了界定。这是生产率增长测算方法研究的起点。作为论文的主体部分，第二、叁、四、五章对生产率增长测算方法进行了系统研究。根据各种方法测算生产率增长的背景、思想、理论发展成熟程度及在实践中的应用情况，生产率增长测算方法可分为主流方法和其它方法两大类，其中主流方法又分为经济计量学方法和非参数方法两类。本文第二章研究生产率增长测算的经济计量学方法，其中介绍了国内外研究和实践中应用均比较广泛的生产函数法和随机边界分析法，并引入了半参数方法、工具变量法等几种目前国内很少用于生产率增长测算的方法。第叁章是对非参数生产率增长测算方法的研究，着重对数据包络分析法、指数法、基于Malquist生产率指数的边界分析法、增长核算法进行了系统分析。第四章研究生产率增长测算的其它方法，主要考察了普通最小二乘法、原子论方法、投入产出法、指数体系因素分析法、增长曲线模型法在生产率增长测算中的应用，并在对这些方法进行剖析的基础上，对前人研究进行补充。第五章是对生产率增长测算方法的系统考察，站在更高的角度认识生产率增长测算问题：这一章的内容分为叁节，包括生产率增长测算方法的比较和分析、生产率综合悖论问题、生产率增长测算与SNA。这一章既是生产率增长测算方法论研究的不可分割部分，也是第二、叁、四章内容的进一步概括和升华。
参考文献：
[1]. 半参数模型的设定与应用研究[D]. 张金凤. 天津财经大学. 2016
[2]. 部分线性自回归模型及其应用研究[D]. 王淑霞. 西安理工大学. 2008
[3]. 半参数模型的估计理论及其应用[D]. 潘雄. 武汉大学. 2005
[4]. 基于重心权有理插值函数的预测模型研究[D]. 荆科. 合肥工业大学. 2017
[5]. 半参数回归模型有偏估计的研究[D]. 靳坤坤. 中央民族大学. 2016
[6]. 基于非参数方法对人民币汇率与利率动态关系的研究[D]. 任亚宁. 天津财经大学. 2016
[7]. 基于半参数模型的插补方法与实证研究[D]. 李萌. 北京林业大学. 2014
[8]. 基于特征分析和数据降维的复杂数据预测与分类方法研究[D]. 邵臻. 合肥工业大学. 2015
[9]. 半参数模型的估计方法及其应用[D]. 胡宏昌. 武汉大学. 2004
[10]. 生产率增长测算方法的系统研究[D]. 金剑. 东北财经大学. 2007
标签：数学论文; 生产率论文; 回归模型论文; 预测模型论文; 线性模型论文; 参数估计论文; 数据建模论文; 建模软件论文; 分类变量论文; 分类数据论文; 线性插值论文;