陈柏成
- 作品数：2 被引量：3H指数：1
- 供职机构：上海财经大学更多>>
- 发文基金：国家教育部“211”工程上海市教育委员会重点学科基金创新研究群体科学基金更多>>
- 相关领域：理学生物学更多>>
- 纵向数据下广义估计方程估计被引量：3
- 2012年
- 广义估计方程方法是一种最一般的参数估计方法,广泛地应用于生物统计、经济计量、医疗保险等领域.在纵向数据下,由于组间数据是相关的,为了提高估计的效率,广义估计方程方法一般需要考虑个体组内相关性.因此,大多数文献对个体组内的协方差矩阵进行参数假设,但假设的合理性及协方差矩阵估计的好坏对参数估计效率产生很大影响,同时参数假设也可能导致模型误判.针对纵向数据下广义估计方程,本文提出了改进的GMM方法和经验似然方法,并对给出的估计量建立了大样本性质.其中分块的思想,避免了对个体组内相关性结构进行假设,从这种意义上说,这种方法具有一定的稳健性.我们还通过两个模拟的例子,考察了文中提出估计量的有限样本性质.
- 赵目陈柏成周勇
- 关键词：纵向数据广义估计方程经验似然
- 含内生协变量的高维半参数模型的广义矩估计与变量选择
- 陈柏成
