非参数办法对几个经济数据的计算

   前言
     客观地认识与科学地表述经济规律是历代经济学与计量经济学工作者的奋斗目标。然而经济活动的多因素性、随机波动性、事件发生的不可逆性以及时间序列的非平稳性一直影响着经济学的科学化进程。经济学与自然科学的一个代写硕士论文最大不同点就是无法创造出其他因素不变的理想经济环境。自然科学中的变量常遵循函数关系，但对于经济问题却没有函数关系可言，只能建立统计模型。随着计量经济学的诞生，人们借助数学、统计学知识分析和预测经济问题。虽然这只有几十年的时间，却超过了经济学数百年积累起来的文字分析水平。在经典计量模型中，人们通常假设随机扰动来自正态分布，这里有两个参数:期望和方差，这是决定正态分布形态的两个参数，一般这两个参数是未知的，需要估计，参数估计就是讨论如何代写硕士毕业论文估计这两个参数。在处理给定特定函数形式模型的回归函数时一般采用最小二乘或它的扩展。但一般考察的经济变量所服从的分布我们事先不可能知道，使得预先给定的模型设定不正确，这时如要考察的实际经济变量之间并不存在线性或多项式的相关关系，如果仍利用最小二乘法等线性回归模型分析，则结果是没有实际价值的，不能用于对经济现象的解释。1964年E.A.Nadaraya[1]和G.Watson[2]各自独立发表了被称为核函数估计的统计方法，利用非参数密度估计的思想，直接对未知泛函数形式的回归函数进行估计，并在渐进形态下，给出了相关的统计性质。1977年Stone提出了更为一般的权函数方法。这些方法都不涉及回归函数具体的数学形式，统称为非参数回归估计。可以看到，使用非参数估计方法可以最大程度地放宽经典经济模型的结构条件，特别是对微观计量经济模型的分析，能够在更宽松、更大自由度的条件下分析代写硕士论文多少钱模型。所以非参数估计方法成为现代计量经济学中的新的研究热点。
        '1.1非参数统计背景介绍在某问题中若己知变量x和Y，其中Y是随机的，x可以是随机的也可以是非随机的，且X的变化会对Y的值产生影响，对X和Y之间关系的研究就构成了回归分析，我们常形象的称X为解释变量，Y为响应变量。在X己知的条件下，变量Y取值的概率可以通过一定的概率分布来描述，也就是在X值己知时，有一定的条代写硕士论文价格件分布F}.}X=x}，这个分布一般不易求出。这时我们可以从概率论的观点来考虑，能体现出变量关系并且也比较容易的是概率分布的某些数字特征，这其中最重要的就是分布的均值，因此若记Y=f}x}为F}}X=x}的均值，即Y=.f(x}=E}Y}X=x}，则称这个函数为Y对X的回归函数。回归分析的目的就是要通过减少观察误差得到观察值X、Y后，对回归函数进行近似或推断，这其中包括对它进行估计，检验与它有关的假设等。回归分析需要方差齐性、线性关系、效应累加、变量无测量误差、变量服从多元正态分布、观察独立、模型完整(没有包含不该进入的变量、也没有漏掉应该进入的变量)、误差项独立且服从((0,1)正态分布等假设。但是现实数据常常不能完全符合上述假定。因此，统计学家研究出许多的回归模型来解决线性回归模型假定过程的约束。
        回归分析广泛的渗透到社会、自然的各学科中来，到现在为止的一个多世纪内，己产生了许多的回归模型，为在理论上进行讨论并导出种种具体方法，往往要对模型进行一定的假定。容易理解:较弱的假定产生比较一般的模型，其适应面广，但针对这种模型而构造的统计推断方法性能较差。反之，较强的假定产生性质特殊的模型，针对它而构造的统计推断方法性能较好，但适用面较窄。对这些回归模型的分类标准也有多种。一种标准是有关响应变量Y的矩和分布的假定，如有些问题只涉及到Y的一、二阶矩，这时只需对的Y的一、二阶矩的结构有所假定即可，但涉及到有关检验和区间估计之类的问题，则必须进一步对Y的观测值的分布有所假定，如通常假设Y的各次观侧值独立且服从正态分布，又如在解释变量代表时间的情况下，假定Y的观察值不具有独立结构，而是构成一个平稳序列，这时的研究被划为统计学的另一个分支一时间序列分析的范畴。另一种标准是按回归函数f(x}=E仓}X二二)的形式来分类，这也是一种最普遍的分类方法，由此划分了几类常见的回归模型。一种是参数回归模型，它是通过模型原有的额外信息来假定未知函数是具有有限参数集的某一特定函数形式:Y;·f}x;;}i}+:，其中误差随机变量Es，二0,Vars;_}2，(xr}Yr)为观测数据，口为未知参数。在这种假设下我们通常应要求这种近似的偏差较小，以至于可以忽略，这时得到的估计具有计算量小、样本容量小、估计效率较高等特点。在参数回归模型中迄今为止都占。
                   
       参考文献 1Nadaraya,E.A. (1964).0n estimating regression.Theory Probab Appl, 9:141一142. [2] Watson,CxS(1964).Smoothing regression analysis.Sankhya Ser, A,26:372-395. [3] Michael,G.S.Smoothing and regression:Approaches, Computation and Application[M].Canada: John Wiley and Sons. 2000. [4]  Fan,J.  and  Gijbels,L(1996).Local polynohttp://www.dxlws.com/sslwdx/mial  modelling and  its  applications.London: Chapman and Hall. [5]  Silverman,B.W.(1986).Density  estimation  for  statistics  and  Data  Analysis.London: Chapman and Hall. [6]  Friedman,F.H.and  Stuetzle,W.(1981)，Projection pursuit regression. Journal ofAmerican Statistical Association,76:817-823. [7] Li,K.C.(1991).Sliced inverse regression (with discussion). Journal of AmericanStatistical Association,86:316-342. [8] Cook,R.D.(1994).On the interpretation of regression plot. Journal of AmericanStatistical Association,89:177-189. [9] Cook,R.D.(1998).Principal Hessian direction revisited (with discussion). Journal of  
论文摘要 6-7  ABSTRACT 7  第一章 引言 9-13      §1.1 非参数统计背景介绍 9-12      §1.2 本文的主要工作 12-13  第二章 我国居民人均消费的Nadaraya-Watson估计 13-25      §2.1 估计方法 14-19      §2.2 我国中西部6个省区城镇居民消费的分析 19-25  第三章 新疆地区人均GDP的局部多项式估计 25-41      §3.1 估计方法 27-31      §3.2 新疆人均GDP的估计与预测 31-41  结论 41-42  附表1、6个省区城镇居民1978-2006年的人均消费支出与可支配收入数据 42-44  附表2、取对数后的6个省区城镇居民的人均消费支出与可支配收入数据 44-46  参考文献 46-49