發(fā)布時間：2020-09-09 21:05

　　 實際生活中,由于條件限制,當響應變量大于或小于某一閾值時,往往觀測不到響應變量的真實值,此時,可以用Tobit模型來分析這類數(shù)據(jù)。參數(shù)模型是研究響應變量和自變量關系的一種有效工具,且優(yōu)點眾多,如精度高、解釋性好、預測準確,因此本文考慮參數(shù)Tobit模型的有關問題。另外,由于測量設備、測量方法等因素會導致觀測值帶有測量誤差,所以研究協(xié)變量有測量誤差的參數(shù)Tobit模型是有意義的�；貧w模型的參數(shù)估計在統(tǒng)計學中是一類非常重要的問題。本文研究的是協(xié)變量有測量誤差的參數(shù)Tobit模型的估計問題。對測量誤差,本文不假定模型結構和方差的已知形式,也不假定有重復觀測的數(shù)據(jù),而是借助工具變量來校正測量誤差。首先利用非參數(shù)核光滑方法得到真實觀測變量的估計,然后用這個估計替代沒有觀察到的真實變量來處理測量誤差。在模型誤差分布對稱的假定下,模型的回歸系數(shù)就可以通過校正的最小二乘方法來估計。對給出的模型的參數(shù)估計量,本文證明了其相合性和漸近正態(tài)性,并給出了具體的算法。最后,通過統(tǒng)計模擬來驗證所提方法的有效性。在對測量誤差校正與不校正兩種情形下考慮所提的最小二乘估計方法和常用的極大似然估計方法,模擬結果均表明本文提出的基于校正測量誤差的方法比直接使用帶有測量誤差的方法有更好的有限樣本性質。另外,當模型誤差服從正態(tài)分布時,極大似然估計結果更好,而當模型誤差服從非正態(tài)對稱分布時,最小二乘結果更好。同時,實例分析的結果也驗證了本文所提的校正測量誤差方法的優(yōu)良性。
【學位單位】：北京工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：C81

【相似文獻】

相關期刊論文 前10條

1 趙曉霞;李偉;蔣立虹;戴t

本文編號：2815471