• 论文 • 上一篇    下一篇

网络结构数据空间回归模型的平均估计

孙志猛1,马倩雯1,李潇宁2   

  1. 1. 中央财经大学统计与数学学院, 北京 100081;2. 中央财经大学保险学院,北京 100081
  • 出版日期:2018-06-25 发布日期:2018-08-21

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.

SUN Zhimeng, MA Qianwen, LI Xiaoning. Model Averaging Estimation of Spatial Regression Model with Network Structure Data[J]. Journal of Systems Science and Mathematical Sciences, 2018, 38(6): 662-678.

Model Averaging Estimation of Spatial Regression Model with Network Structure Data

SUN Zhimeng1 ,MA Qianwen1 ,LI Xiaoning2   

  1. 1. School of Statistic and Mathematics, Central University of Finance and Economics, Beijing 100081; 2. School of Insurance, Central University of Finance and Economics, Beijing 100081
  • Online:2018-06-25 Published:2018-08-21

采用空间误差模型对数据的网络结构关系进 行刻画, 考虑了空间误差模型的~S-AIC 和~S-BIC 模型平均估计方法, 证明了~S-AIC 和~S-BIC 估计的相合性和渐近正态性. 通过蒙特卡洛模拟试验, 研究了所提估计的有限样本性质, 模拟结果显示,~S-AIC 和~S-BIC 模型平均估计表现优于~AIC 和~BIC 模型选择估计. 利用文章所提方法, 对~QQ 用户数据进行实证分析, 说明了所提方法在实际问题中的应用价值.

In this paper, we adopt the spatial error model to depict the network structure relationship between individuals, we consider S-AIC and S-BIC model averaging estimation of the spatial error model and show the consistency and asymptotical normality of the S-AIC and S-BIC estimators. We conduct Monte Carlo experiments to investigate the finite sample properties of the proposed estimators. The simulation results show that the S-AIC and S-BIC model averaging estimators perform better than the AIC and BIC model selection estimators. We analyze the QQ user data set to illustrate the application of the proposed method.

()
[1] 宗先鹏, 王彤彤. 大规模数据下子抽样模型平均估计理论[J]. 系统科学与数学, 2022, 42(1): 109-132.
[2] 廖军, 文丽, 尹建鑫. 高阶空间自回归模型的选择与平均估计[J]. 系统科学与数学, 2021, 41(5): 1400-1417.
[3] 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.
[4] 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.
[5] 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.
[6] 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.
[7] 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.
[8] 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.
[9] 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.
[10] 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.
[11] 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.
[12] 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.
[13] 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.
[14] 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.
[15] 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.
阅读次数
全文


摘要