《縱向數據下EV模型的廣義矩估計及其套用》是依託復旦大學，由肖志國擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：縱向數據下EV模型的廣義矩估計及其套用
- 依託單位：復旦大學
- 項目類別：青年科學基金項目
- 項目負責人：肖志國
項目摘要,結題摘要,
項目摘要
協變數存在測量誤差的現象廣泛出現在經濟學、金融學、生物學、醫學等諸多領域的縱向數據中。現有的統計方法(如SIMEX等)對變數的分布、測量誤差的協方差、變數之間的相關性、以及重複數據的存在性通常有較強的限制條件。這些條件在很多現實問題中常不滿足。. 本項目擬研究用廣義矩方法(GMM)分析一類只施加微弱限制性條件的帶有測量誤差的縱向數據。在只有一個協變數有測量誤差，且沒有缺失數據的情況下，Xiao等(2010b)完善、修正和推廣了該領域以前的相關研究結果，提出了兩種等價的GMM估計量，並給出了模型識別的充分必要條件。. 本項目擬解決將GMM方法推廣到多個協變數有測量誤差以及存在缺失數據情形時的參數估計和模型識別問題，並擬使用推廣的GMM方法來解決公司金融理論中關於投資與現金流的關係的爭論。
結題摘要
變數的測量誤差（EV）普遍存在於現實世界的各種數據中，並會導致常規的統計方法的失靈。構造合適的統計方法來挽救測量誤差帶來的偏差是統計學研究的重要問題。 本項目提出基於工具變數和廣義矩估計（GMM）的原理來處理縱向數據下的測量誤差問題。我們從設定測量誤差向量的協方差及其與協變數的協方差結構入手來構建模型。事實證明，這樣的模型框架不僅避免了常規模型建構中的局限性問題，還可以順利地將方法推廣到多個變數有誤差的情形、非經典測量誤差情形以及有不可忽略缺失數據情形。在上述各種情形下，我們基於工具變數的方法找到了識別模型參數的矩條件，提出了最優的GMM估計量和檢驗測量誤差存在性的Wald統計量。在單變數存在測量誤差的模型下，我們也給出了模型識別的一個充分必要條件。我們基於提出的新方法研究了公司金融學中的投資與現金流的敏感性問題。在基金的資助下我們還完成了很多交叉學科的套用問題。 我們按照原定計畫開展了研究，取得了預期的研究成果，完成了預期的考核指標。迄今為止，本項目在國內重要期刊上正式發表論文2篇，在國外著名期刊上正式發表論文7篇，在國外著名期刊上錄用即將發表發表論文2篇。這些成果論文中不僅有統計學理論方法創新的成果，也有很多是套用理論方法來解決其他交叉學科的重要問題的。
