- 1、本文档共35页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2011-12-10 */35 收敛定理 2011-12-10 */35 中国省域经济增长收敛性研究 2011-12-10 */35 模型的提出背景 2011-12-10 */35 异质性经济增长模型的构建 2011-12-10 */35 绝对收敛性分析—参数方法 实证研究 各个阶段GDP增长率与初始人均GDP的分位拟合 1978-1991年 1992-2007年 1978-2007年 收敛 收敛 发散 2011-12-10 */35 条件收敛性分析—参数方法 实证研究 1992-2007年GDP增长率与影响变量的分位数拟合 物质资本 人口增长率 人力资本 正比 正比 反比 2011-12-10 */35 设计了随机系数分位AR模型的贝叶斯估计方法,研究了随机系数分位AR模型的结构特征及其异方差性,发现随机系数分位AR模型可以描述时间序列的非对称性和局部持续性。 构建了一种新的变结构分位回归模型,即马尔科夫转换随机系数分位AR模型,并证明了当先验分布取扩散先验分布时,参数的任意阶后验矩都存在。通过利用数据扩充技术,有效地实现了模型的贝叶斯推断。 主要创新 2011-12-10 */35 基于傅里叶级数提出了一种新的非参数分位回归方法,通过利用数据扩充技术,给出了条件分位函数后验估计量的解析表达形式,并证明了当样本量趋近于无穷大时,后验估计量的积分均方误差收敛于0,且收敛速度比核估计方法的最优收敛速度还要快。 利用分位回归计量模型对中国经济增长问题进行了研究。首先,利用随机系数分位AR模型研究了中国经济增长的波动性,结果发现中国经济增长率具有非对称性和异方差性的特征。其次,构建了一类基于傅立叶级数的异质性经济增长模型,用它研究了中国经济增长的异质性以及政策变量的差异影响. 主要创新 2011-12-10 */35 敬请各位老师批评指正 谢谢! * 2011-12-10 */35 基于MCMC算法的贝叶斯分位回归计量模型及其应用研究 答辩人: 曾惠芳 导 师: 朱慧明 教授 专 业: 管理科学与工程 研究方向:管理统计与计量经济 湖南大学工商管理学院博士学位论文答辩 2011-12-10 */35 内容提要 研究背景与思路 主要研究内容 随机系数分位回归模型 马尔可夫随机系数分位回归模型 非参数傅立叶级数分位回归模型 中国经济增长收敛性分析 主要创新 2011-12-10 */35 分位回归方法在经济管理中有着广泛的应用,比如,风险管理,教育回报,工资结构,组织绩效,资本结构等 分位回归方法不对总体分布做任何假设,受异常点的影响小,因此分位回归方法比较稳健性; 分位回归方法不仅可以描述协变量对响应变量中心趋势的影响,还可以描述协变量对响应变量尾部行为的影响,是一种更全面的分析方法; 论文的研究背景 2011-12-10 */35 频率统计方法的缺点: 当目标函数非凸或不可导时,目标函数就会存在多个局部最优点,从而很难获得全局最优解; 只有在大样本条件下才成立,对于小样本问题,很难保证估计量的优良统计性质; 论文的研究背景 2011-12-10 */35 贝叶斯统计方法的优点: 把参数看作是随机变量,考虑了参数的不确定性风险,并可以提高预测精度; 解决频率统计方法面临的小样本问题; 比较容易解决带约束的问题,而且不需要构造检验统计量就可以实现模型的统计诊断。 论文的研究背景 2011-12-10 */35 论文的研究思路 2011-12-10 */35 随机系数分位回归模型 2011-12-10 */35 常数系数AR模型 2011-12-10 */35 随机系数分位AR模型的结构分析 2011-12-10 */35 随机系数分位AR模型结构分析 2011-12-10 */35 模型的贝叶斯估计 2011-12-10 */35 数值算例 2011-12-10 */35 截距项的贝叶斯分位估计 单调递增 OLS估计:0.7393, 95%置信区间(0.1462, 1.35) 2011-12-10 */35 自回归系数的贝叶斯分位估计 平稳 非平稳 OLS估计: 0.9692,95%置信区间(0.944,0.9937) 2011-12-10 */35 马尔可夫随机系数分位回归模型 2011-12-10 */35 模型提出的背景 2011-12-10 */35 马尔科夫随机系数分位AR模型的构建 2011-12-10 */35 模型的贝叶斯分析 2011-12-10 */35 后验矩存在定理 2011-12-10 */35 数值算例的结果分析 2011-12-10 *
文档评论(0)