简介:如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。
简介:当今民事登记系统覆盖评估领域主流方法是独立双系统估计量,其存在利用辅助信息量有限而难以提供精度高的净误差率的不足,因此,提出用三系统估计量替代独立双系统估计量的研究目标。为实现目标,采用文献解读、抽样推断和现场调研的研究方法。研究发现,中国迄今尚未开展户籍登记系统覆盖评估研究,而开展民事登记系统覆盖评估的西方国家在应用独立双系统估计量时也存在未对总体人口等概率分层等诸多缺陷。在西方学者研究的基础上,首次提出三个系统对总体抽样登记的、人口移动的三系统估计量,为户籍登记系统覆盖评估提供前沿理论工具。有助于中国国家统计局和其他部门从户籍登记系统中获得高精度的人口数据,也为中国以后实行成本低、效率高的行政记录式人口普查制度创造条件。