检索结果-内蒙古大学图书馆

作者：张璇中国人民大学

学位级别：博士

动态面板结构方程模型(DPSEM)和一般的结构方程模型(SEM)相似，由潜变量的结构模型和可测变量的测量模型构成，在动态结构方程模型(DSEM)中增加了个体效应随机项。在不同的假设条件下，DPSEM的方程结构可以变换为不同的形式，如结构潜... 详细信息

动态面板结构方程模型(DPSEM)和一般的结构方程模型(SEM)相似，由潜变量的结构模型和可测变量的测量模型构成，在动态结构方程模型(DSEM)中增加了个体效应随机项。在不同的假设条件下，DPSEM的方程结构可以变换为不同的形式，如结构潜变量形式(SLF)，可观测形式(OFS)，状态空间形式(SSF）等。\n 本研究以OFS为基础，讨论DPSEM的估计问题。DPSEM的OFS形式和传统的联立方程模型形式相近，但是有很多不同之处，首先OFS中的方程带有混合效应，即误差项包括个体效应和随机效应;其次，方程的任何变量都有内生性，即所有解释变量和方程误差项相关;再次，OFS形式中对应原DPSEM的结构模型的方程的误差项序列相关，相关阶数和结构模型中潜变量的滞后期有关，滞后期越长，序列相关阶数越高。\n DPSEM现有的估计方法主要是分别以OFS和SLF形式为基础的广义工具变量估计(GIVE)和全信息最大似然估计(FIMLE)，其中FIMLE的方法约束条件很多，而且估计的推导过程和估计量的计算方法都相当复杂，实际应用受到限制。GIVE比较简单，工具变量从方程中的可测变量里挑选，计算容易实现，类似传统的两阶段最小二乘估计(TSLS)和广义矩估计(GMM)的计算。但是GIVE并没有很好的解决OFS方程的估计的一些问题。首先，简单的数据差分去除了方程的个体效应，但是改变了随机误差项的性质;其次，GIVE估计量的渐近方差的提出没有考虑OFS方程的误差项的序列相关因素;最重要的是估计方程提供了很多备选的工具变量，它们随着样本量的增加而加倍放大。对于如此多的备选工具变量，一方面很难用检验进行逐个删减，另一方面即使有很好的检验方法，也很难在估计中避免工具变量的弱外生性问题，因此如何选择工具变量，解决弱工具变量对估计的影响是DPSEM估计的关键，然而GIVE估计不能很好的解决这个问题。\n Anderson(1949)提出的有限信息最大似然(LIML)方法不仅能够较好的解决工具变量的弱外生性问题，还能有效解决大量工具变量选择的问题。为了增加参数估计的有效性，本文尽可能地将DPSEM的OFS形式中出现的大量备选工具变量运用到估计中，避免的工具变量选择的问题。利用向前差分算子和LIML的思想，在DPSEM的估计中引入LIML方法，并且证明了方程系数的LIML估计量的一致性。LIML估计和GIVE一样，不需要限定方程的误差项的分布，是一种稳健估计方法。但是对于估计量的渐近方差的计算需要设定误差项的分布，并要求误差项序列无关。在模型参数设置较特殊，误差项服从正态分布时，误差序列近似独立，本文推导了系数估计量的渐近分布。\n 在一般情况下，误差的序列相关影响了估计量渐近方差的推导，因此本文利用分块刀切法和参数自助法与LIML相结合，计算方程系数的估计量的方差，并提出了系数估计量的渐近正态分布。\n 目前还没有文献讨论DPSEM估计结果的检验，由于LIML方法可以有效解决DPSEM中的大量工具变量弱外生性的问题，因此和LIML相联系的Anderson-Rubin(AR)检验，K检验和条件似然比(CLR)检验的思想可以运用于DPSEM的LIML估计结果的检验中。本文根据DPSEM的LIML估计过程，建立了调整的AR检验，调整的K检验和调整的CLR检验。另外，由于建立了分块刀切法和参数自助法的LIML估计量有渐近正态分布，所以构造的相应z检验也是可供选择的估计结果的检验方法。\n 在模拟中，将DPSEM的LIML估计结果和TSLS相比较，模拟显示(1)在样本中个体数Ⅳ和重复观测时期数T的比例合理时，LIML估计值随着样本的增加可以很快收敛到真实值，而相同情况下部分参数的TSLS估计值在很大样本下还很难收敛;(2)在有限样本下，LIML估计量的分布更接近正态分布，而部分参数的TSLS估计量的分布严重偏离正态分布;(3)有限样本下，分块刀切法的LIML估计量的分布也具有很好的正态性;(4)分块刀切法的z检验统计量的零假设分布和标准正态分布能很好的吻合，因此它能提供有效的假设检验，并且在四种适合的估计结果检验中，分块刀切法的z检验在总体上有最高的势。

关键词：动态面板结构方程模型估计量误差项渐近正态分布

来源：评论

学校读者我要写书评

暂无评论

基于LIML的动态面板结构方程估计方法的改进

引用

统计与决策 2014年第4期30卷 16-20页

作者：张璇中南财经政法大学应用经济学博士后流动站武汉430073 中南财经政法大学统计与数学学院武汉430073

动态面板结构方程模型(DPSEM)是结构方程模型的动态扩展,能够研究潜变量滞后期的效应,但由于模型形式复杂,参数估计非常困难,现有的估计方法实际应用性很差。文章利用向前差分算子和大量工具变量方法将有限信息最大似然方法(LIML)引入DP... 详细信息

动态面板结构方程模型(DPSEM)是结构方程模型的动态扩展,能够研究潜变量滞后期的效应,但由于模型形式复杂,参数估计非常困难,现有的估计方法实际应用性很差。文章利用向前差分算子和大量工具变量方法将有限信息最大似然方法(LIML)引入DPSEM的参数估计中,并借助分块刀切法计算估计量的标准差。蒙特卡洛模拟显示基于LIML的DPSEM的估计比现有的估计方法有很大的改进,LIML估计量不仅能很快收敛到真实值,而且有限样本的渐近分布也更逼近标准正态分布。

关键词：动态面板结构方程模型有限信息最大似然估计向前差分算子大量工具变量法分块刀切法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：