版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、模型選擇研究是經(jīng)濟(jì)計(jì)量學(xué)的重要組成部分。自Akaike的AIC準(zhǔn)則提出以來(lái),基于信息理論的模型選擇標(biāo)準(zhǔn)飛快發(fā)展。基于各種不同原理和計(jì)算方式的模型選擇被紛紛提出,豐富了計(jì)量經(jīng)濟(jì)學(xué)在模型選擇領(lǐng)域的研究,促進(jìn)了計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展。
本文是在前人研究的基礎(chǔ)之上,根據(jù)無(wú)偏估計(jì)方程的基本理論探討了一種較新的模型選擇標(biāo)準(zhǔn),其較之其他基于極大似然估計(jì)和全概率模型而言應(yīng)用范圍更廣。本文首先回顧了模型選擇標(biāo)準(zhǔn)的發(fā)展歷程,將模型選擇標(biāo)準(zhǔn)進(jìn)行了基本的歸
2、類(lèi),基于假設(shè)檢驗(yàn)的模型選擇標(biāo)準(zhǔn)是最基本的檢驗(yàn)方式,經(jīng)常同其他模型標(biāo)準(zhǔn)聯(lián)合使用,且其基本原理也被應(yīng)用到了其他模型選擇標(biāo)準(zhǔn);而基于均方誤差、信息論、交叉確認(rèn)等方法的模型選擇標(biāo)準(zhǔn)會(huì)針對(duì)不同目的、不同條件進(jìn)行模型選擇。在不同的模型類(lèi)型下會(huì)采取不同的模型選擇方式,最基本最常用的是基于信息理論下的模型選擇標(biāo)準(zhǔn)——AIC準(zhǔn)則。其基本推理、估計(jì)方法等都為模型選擇標(biāo)準(zhǔn)的進(jìn)一步推廣奠定了基礎(chǔ)。
基于無(wú)偏估計(jì)方程的模型選擇標(biāo)準(zhǔn)其主要特點(diǎn)是由于無(wú)偏估
3、計(jì)方程應(yīng)用的廣泛性,使得其在計(jì)算過(guò)程中所需滿足的條件限制等較少,因而使選擇標(biāo)準(zhǔn)具有較強(qiáng)的應(yīng)用范圍。本文所討論的模型選擇標(biāo)準(zhǔn)需要構(gòu)建計(jì)算候選模型的成本信息函數(shù)(the Cost information function),通過(guò)計(jì)算函數(shù)值來(lái)構(gòu)建 CIC準(zhǔn)則(Cost information criteria)。根據(jù)模型的簡(jiǎn)約性原則,CIC準(zhǔn)則的計(jì)算值主要有兩部分組成,第一部分是根據(jù)無(wú)偏估計(jì)方程計(jì)算而得的Wald統(tǒng)計(jì)量,第二部分是模型復(fù)雜度的
4、懲罰函數(shù)。計(jì)算而成的CIC準(zhǔn)則符合一般模型選擇標(biāo)準(zhǔn)的擬合優(yōu)度與模型復(fù)雜度之和的基本形式。經(jīng)過(guò)進(jìn)一步的研究,CIC準(zhǔn)則滿足模型選擇的穩(wěn)健性要求,同時(shí)具有一致性。
本文的應(yīng)用部分通過(guò)兩個(gè)不同模型的應(yīng)用來(lái)驗(yàn)證CIC準(zhǔn)則的實(shí)際應(yīng)用能力,在實(shí)證過(guò)程中,本文不僅適用了CIC準(zhǔn)則,還使用其他經(jīng)典模型選擇標(biāo)準(zhǔn)來(lái)進(jìn)行對(duì)比,已驗(yàn)證 CIC準(zhǔn)則的有效性和準(zhǔn)確度。首先應(yīng)用于小樣本的線性模型,其結(jié)構(gòu)簡(jiǎn)單,是經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)書(shū)籍中的一個(gè)實(shí)例。其次將 CIC
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- ARCH模型參數(shù)中位無(wú)偏估計(jì)的分布.pdf
- 右尾點(diǎn)的無(wú)偏估計(jì).pdf
- 無(wú)偏比估計(jì)量的研究.pdf
- 生長(zhǎng)曲線模型中參數(shù)的Bayes線性無(wú)偏估計(jì)及其優(yōu)良性.pdf
- 多元線性回歸模型的有偏估計(jì)
- 多元線性回歸模型的有偏估計(jì)
- 多元線性回歸模型的有偏估計(jì)
- 模型估計(jì)與選擇
- 最優(yōu)線性無(wú)偏估計(jì)和Bayes估計(jì)的優(yōu)良性研究.pdf
- 線性回歸模型參數(shù)有偏估計(jì)的研究.pdf
- 幾乎無(wú)偏估計(jì)及其優(yōu)良性研究.pdf
- 線性模型參數(shù)有偏估計(jì)的若干研究.pdf
- 基于M-估計(jì)單指標(biāo)模型的變量選擇.pdf
- 外文翻譯---通過(guò)廣義條紋投影輪廓分析模型來(lái)選擇最優(yōu)濾波偏估計(jì)
- 外文翻譯---通過(guò)廣義條紋投影輪廓分析模型來(lái)選擇最優(yōu)濾波偏估計(jì)
- 36510.廣義gaussmarkov模型參數(shù)的bayes線性無(wú)偏估計(jì)及優(yōu)良性研究
- 外文翻譯---通過(guò)廣義條紋投影輪廓分析模型來(lái)選擇最優(yōu)濾波偏估計(jì)
- 基于分段函數(shù)的劑量—反應(yīng)模型的參數(shù)估計(jì)和模型選擇.pdf
- 外文翻譯---通過(guò)廣義條紋投影輪廓分析模型來(lái)選擇最優(yōu)濾波偏估計(jì).docx
- 奇異線性模型的有偏估計(jì)和因子分析模型的研究.pdf
評(píng)論
0/150
提交評(píng)論