半?yún)?shù)面板計量經(jīng)濟模型理論及應用研究.pdf

1、半?yún)?shù)面板計量經(jīng)濟模型是計量經(jīng)濟學領域的重要研究方向之一。該模型融合了參數(shù)面板數(shù)據(jù)模型與非參數(shù)面板數(shù)據(jù)模型的優(yōu)點，不僅避免了非參數(shù)模型的“維數(shù)禍根”問題，而且與傳統(tǒng)的參數(shù)面板數(shù)據(jù)模型相比，半?yún)?shù)面板數(shù)據(jù)模型具有更強的適應性和建模能力等特點。目前，該模型已在管理統(tǒng)計學、計量經(jīng)濟以及金融風險中得到了廣泛應用，成為了處理多元回歸問題的有力工具。
　　在現(xiàn)實經(jīng)濟生活中，除了樣本信息，我們還有可能對模型的參數(shù)向量有一些先驗信息，利用這一先驗

2、信息可以提高參數(shù)估計的效率和準確性。然而，目前尚未有文獻提出或考慮針對半?yún)?shù)面板數(shù)據(jù)模型中參數(shù)部分存在約束條件的估計方法。因此，在參數(shù)部分存在約束條件下，研究該模型中參數(shù)及非參數(shù)的約束估計具有重要的現(xiàn)實意義和理論價值。此外，隨著數(shù)據(jù)的收集越來越容易，這導致數(shù)據(jù)庫規(guī)模擴大，更具復雜性。例如各種類型的貿易交易數(shù)據(jù)、基因表達數(shù)據(jù)及多媒體數(shù)據(jù)等，它們的維度通?？梢赃_到成百上千，甚至更高。正是由于高維數(shù)據(jù)的普遍存在，更加凸顯了對該類型數(shù)據(jù)挖掘研究

3、的重要意義和價值。但是，目前經(jīng)典統(tǒng)計計量分析方法很難對高維數(shù)據(jù)進行深入全面的處理和分析。因此，研究高維面板數(shù)據(jù)模型的變量選擇問題成為了計量經(jīng)濟學界不斷探索的課題，也是本研究關注的主要問題之一。
　　本文圍繞半?yún)?shù)面板計量經(jīng)濟模型展開了系列研究。當參數(shù)部分存在線性約束條件時，提出了針對帶固定效應的半?yún)?shù)部分線性面板數(shù)據(jù)模型的約束最小二乘估計方法，并證明了參數(shù)與非參數(shù)的約束估計均服從漸近正態(tài)分布。通過對模擬數(shù)據(jù)和重復模擬實驗的分析，研

4、究發(fā)現(xiàn)在參數(shù)存在約束條件的情況下，如果在估計參數(shù)與非參數(shù)時能考慮這一約束條件的影響，可以提高估計的精度和效率。
　　變系數(shù)部分線性面板數(shù)據(jù)模型是半?yún)?shù)模型中另一類常見的模型，同時也是部分線性面板數(shù)據(jù)模型更為一般的的推廣。該模型的特點是一部分自變量與因變量線性相關，而另一部分自變量則與因變量非線性相關。通過結合輪廓最小二乘方法，局部線性估計理論以及拉格朗日乘子方法，提出了對該模型中參數(shù)存在線性約束條件和無約束條件時的估計方法。此外，

5、為了減少模型誤差，在進行高維數(shù)據(jù)分析時通常會引入很多的變量。然而，其中的多數(shù)變量實際上是多余的，故為了提高模型的預測精度，需將這些無關變量從模型中剔除，即需要對模型進行變量選擇。針對帶測量誤差的變系數(shù)部分線性面板數(shù)據(jù)模型，構造了半?yún)?shù)自適應 Lasso懲罰函數(shù)。該方法可以同時選取對因變量影響顯著的變量并估計其系數(shù)值。在一般的正則條件以及選取適當?shù)臄_動參數(shù)條件下，證明了該估計方法具有Oracle性質，且還給出了修正的LARS算法來求解目標

6、函數(shù)。仿真模擬結果表明懲罰最小二乘估計在模型選擇和參數(shù)估計中有非常好的表現(xiàn)。
　　將上述考慮了的固定效應半?yún)?shù)面板計量經(jīng)濟模型應用到醫(yī)療保健支出與收入的關系研究中，實證分析了1995年—2009年42個非洲國家醫(yī)療保健支出與收入的關系。為了便于對比分析，本文同時給出了參數(shù)面板數(shù)據(jù)模型以及變系數(shù)面板數(shù)據(jù)模型的估計結果，并將42個非洲國家按世界銀行的劃分將其分成兩類，分別研究了不同收入水平條件下醫(yī)療保健支出與收入之間的關系。研究結果表