• 论文 • 上一篇    下一篇

 广义矩估计模型平均

王维维,张齐,李新民   

  1. 青岛大学数学与统计学院, 青岛   266071
  • 出版日期:2018-07-25 发布日期:2018-10-12

王维维,张齐,李新民.  广义矩估计模型平均[J]. 系统科学与数学, 2018, 38(7): 801-812.

WANG Weiwei,ZHANG Qi,LI Xinmin. GMM-Based Model Averaging Method[J]. Journal of Systems Science and Mathematical Sciences, 2018, 38(7): 801-812.

GMM-Based Model Averaging Method

WANG Weiwei ,ZHANG Qi ,LI Xinmin   

  1. School of Mathematics and Statistics, Qingdao University, Qingdao 266071
  • Online:2018-07-25 Published:2018-10-12

模型平均方法以其稳健性好, 遗失有用信息少等诸多优点而成为目前统计学和计量经济学界研究的热门问题, 在经济, 金融, 生物, 医学等领域有着广泛的应用前景. 在模型平均的理论研究过程中如何选取权重是最重要的问题. 现存的模型平均方法大都是在最小二乘估计的基础上研 究的, 并且大多数通过光滑AIC, 光滑BIC和最小化Mallow准则得到组合的权重. 但是在广义矩 估计的基础上模型平均的研究还很不完善, 文章在广义矩估计条件下提出了通过最小化目标参数平均估计量的渐近方差来获取权重. 这种方法使得所得到的平均估计更加的稳健. 蒙特卡洛模拟实验显示文章获得的模型平均估计量的风险与光滑AIC, 光滑BIC和MMA相比相对较低.

Model averaging has become a hot topic in the field of statistics and econometrics, with its robustness and loss of less useful information. It has wide applications in many fields such as economics, finance, biology and medicine. However, how to select weights is the most important question in the theoretical research of the model average. As we all know, existing model average methods are based on the least square estimate mainly, and most of them are weighted by smoothed AIC, smoothed BIC and the minimization of Mallow criteria. The different work of this paper is that minimizing the estimation of asymptotic variance of estimator for interesting parameter to get the weights is proposed under the generalized method of moments (GMM). This method could make the average estimate more stable. The simulation experiments show that the risk of GMM model average estimator is relatively low compared with those based on S-AIC, S-BIC and MMA.

()
[1] 乔鸽, 周建红, 李新民. 广义线性模型下模型平均的比较研究[J]. 系统科学与数学, 2021, 41(4): 1164-1180.
[2] 陈心杰,赵志豪.  高维纵向数据的模型平均估计[J]. 系统科学与数学, 2020, 40(7): 1297-1324.
[3] 高研,周建红,王海涛,张焕焕. 基于Jackknife模型平均方法的中国港口集装箱吞吐量预测[J]. 系统科学与数学, 2020, 40(4): 729-737.
[4] 王苗苗. 基于线性模型平均估计的置信区间[J]. 系统科学与数学, 2020, 40(10): 1866-1881.
[5] 张新军,江良,林志兴. 基于GMM 方法跳聚集的短期利率模型参数估计[J]. 系统科学与数学, 2019, 39(1): 90-105.
[6] 朱容,邹国华,张新雨. 部分函数线性模型的模型平均方法[J]. 系统科学与数学, 2018, 38(7): 777-800.
[7] 陈全润,杨翠红.  河南省粮食产量预测方法研究[J]. 系统科学与数学, 2018, 38(7): 813-822.
[8] 文丽,卢灿昭. 基于区域房价的空间自回归模型平均[J]. 系统科学与数学, 2018, 38(7): 830-840.
[9] 喻达磊,饶炜东,尹潇潇. 岭回归中基于广义交叉核实法的最优模型平均估计[J]. 系统科学与数学, 2018, 38(6): 652-661.
[10] 孙志猛,马倩雯,李潇宁. 网络结构数据空间回归模型的平均估计[J]. 系统科学与数学, 2018, 38(6): 662-678.
[11] 周建红,赵尚威. 高维泊松回归的模型平均方法[J]. 系统科学与数学, 2018, 38(6): 679-687.
[12] 季琳琳,廖军,宗先鹏. 异方差线性测量误差模型的平均估计[J]. 系统科学与数学, 2018, 38(6): 688-701.
[13] 相鑫,刘秀丽. 四层参数自调整BP神经网络模型及其在人口死亡率预测中的应用[J]. 系统科学与数学, 2018, 38(6): 702-710.
[14] 李莉莉,崔迎鹏,卢睿,乔婧妍. 基于模型平均方法的基金绩效预测研究[J]. 系统科学与数学, 2018, 38(6): 711-724.
[15] 邱越,谢天.  运用最小二乘模型平均法预测外汇实际波动率[J]. 系统科学与数学, 2018, 38(6): 725-744.
阅读次数
全文


摘要