论文部分内容阅读
纵向数据是实践分析中一种常见的数据类型,它既含有时间序列数据又包含横截面数据,从而可在研究客观目标的动态行为时提供非常有用的信息。统计分析中针对纵向数据的研究模型和方法有很多,其中变系数部分线性模型因其具有较强的解释能力和灵活性而在统计和经济等领域得到广泛的应用。实际生活中对于数据的采集可能存在各种测量误差,因此基于纵向数据建立变系数部分线性EV模型具有很强的现实意义,并成为统计学界研究的重点课题之一。 本文研究了纵向数据下变系数部分线性EV模型的参数估计和个体效应的检验问题。首先在忽略测量误差的情况下,通过最小二乘估计方法和局部线性估计方法,分别在随机效应模型和固定效应模型下导出了参数和非参数部分的估计量。进一步当协变量带有测量误差时,经过纠偏处理得到修正后的估计量,并在大样本下证明估计具有相合性和渐近正态性。为了识别个体效应的类型,我们提出参数Hausman检验统计量对模型个体效应进行检验。我们分别在大样本和小样本下讨论了参数Hausman检验的应用,首先从理论上证明了参数检验统计量在大样本下渐近服从卡方分布,并模拟结果显示参数估计量的估计效果不错且在随机效应假设下检验统计量近似服从卡方分布;而在小样本下结合Bootstrap抽样方法得到检验的拒绝域,并通过模拟研究验证检验统计量的检验功效,数值模拟结果显示基于Bootstrap抽样的参数Hausman检验在小样本下具有很好的表现。