项目名称: 关于面板(纵向)数据的动态统计分析

项目编号: No.11471068

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 高巍

作者单位: 东北师范大学

项目金额: 60万元

中文摘要: 由于面板(纵向)数据分析在经济学、金融学、基因疾病分析等方面有着广泛的应用,因此关于面板(纵向)数据的统计方法研究是大家非常感兴趣的问题之一。其中关于面板(纵向)数据的动态分析,尤为数量经济学家、统计学家所关注。目前对于线性动态模型的研究比较成熟,提出了工具变量方法和广义矩估计方法。但对于常用的非线性模型来说,仍然有许多问题亟待解决,其中最为关键的问题是消除模型中的个体效应,继而对感兴趣的动态参数进行估计和检验。 目前通常采用Baysian方法来消除模型中的个体效应,但对于短面板(纵向)数据来说,可能会由于选取不同个体效应先验分布会导致截然相反的结论,因此把个体效应看作是参数更容易被大家接受。此时由于参数的个数几乎与样本数一样多,问题变为 the incidental parameters问题。本项目将对非线性面板(纵向)动态模型进行研究,在研究中给出动态参数的估计方法和检验。

中文关键词: 动态模型;面板数据分析;离散数据分析;广义线性模型;假设检验

英文摘要: Panel(longitudinal) data analysis has wide applications in economics, finance, genetic studies for illness and so on, so it is one of interesting problems. For econometricians and statisticians, one of the concerned problems is to estimate its parameters in dynamic models for panel(longitudinal) data. There have made great contributions for linear dynamic models, and instrumental and generalized moment estimating methods have been proposed. But little progress have been made for many commonly used nonlinear dynamic models for panel(longitudinal) data. In oder to get consistent estimators for interesting parameters, the key to the problem is to delete individual effects from observed data. When individual effects are chosen as random variables, Bayesian methods is one of commomly used methods to delete individual effects for observed data, but contradictory conclusions may be led with the choice of different prior distributions for individual effects when the number of observations for individuals is small. So it is popular to treat individual effects as nuisance parameters. Then the number of parameters in models is almost the same as that of observed data and it is the incidental parameters problems, which now is one of the most concerned problems for statisticians and econometricians. In our research, we will propose methods to estimate the parameters in dynamic models for panel(longitudinal) data and test its related hypothesis.

英文关键词: Dynamic models;panel data;category data analysis;generalized linear models;hypothesis

成为VIP会员查看完整内容
0

相关内容

【干货书】概率,统计与数据,513页pdf
专知会员服务
129+阅读 · 2021年11月27日
专知会员服务
76+阅读 · 2021年10月12日
专知会员服务
111+阅读 · 2021年10月6日
专知会员服务
139+阅读 · 2021年2月3日
最新《时序数据分析》书稿,512页pdf
专知会员服务
109+阅读 · 2020年12月25日
【斯坦福经典书】统计学稀疏性:Lasso与泛化性,362页pdf
专知会员服务
35+阅读 · 2020年11月15日
最新《因果推断导论》课程,102页ppt
专知会员服务
177+阅读 · 2020年9月1日
缺失数据统计分析,第三版,462页pdf
专知会员服务
103+阅读 · 2020年2月28日
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
1+阅读 · 2022年3月23日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
【干货书】概率,统计与数据,513页pdf
专知
29+阅读 · 2021年11月27日
综述:PyTorch显存机制分析
极市平台
0+阅读 · 2021年11月5日
缺失数据统计分析,第三版,462页pdf
专知
44+阅读 · 2020年2月28日
GPU 显存不足怎么办?
AINLP
13+阅读 · 2019年8月16日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
【入门】数据分析六部曲
36大数据
17+阅读 · 2017年12月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
38+阅读 · 2021年8月31日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
【干货书】概率,统计与数据,513页pdf
专知会员服务
129+阅读 · 2021年11月27日
专知会员服务
76+阅读 · 2021年10月12日
专知会员服务
111+阅读 · 2021年10月6日
专知会员服务
139+阅读 · 2021年2月3日
最新《时序数据分析》书稿,512页pdf
专知会员服务
109+阅读 · 2020年12月25日
【斯坦福经典书】统计学稀疏性:Lasso与泛化性,362页pdf
专知会员服务
35+阅读 · 2020年11月15日
最新《因果推断导论》课程,102页ppt
专知会员服务
177+阅读 · 2020年9月1日
缺失数据统计分析,第三版,462页pdf
专知会员服务
103+阅读 · 2020年2月28日
相关资讯
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
1+阅读 · 2022年3月23日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
【干货书】概率,统计与数据,513页pdf
专知
29+阅读 · 2021年11月27日
综述:PyTorch显存机制分析
极市平台
0+阅读 · 2021年11月5日
缺失数据统计分析,第三版,462页pdf
专知
44+阅读 · 2020年2月28日
GPU 显存不足怎么办?
AINLP
13+阅读 · 2019年8月16日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
【入门】数据分析六部曲
36大数据
17+阅读 · 2017年12月6日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员