本文關(guān)鍵詞：動(dòng)態(tài)異方差隨機(jī)前沿模型的貝葉斯推斷，由筆耕文化傳播整理發(fā)布。

【摘要】：隨機(jī)前沿模型常用于測(cè)定單個(gè)或多個(gè)生產(chǎn)單元的生產(chǎn)效率,通過對(duì)生產(chǎn)效率的分析,可找出生產(chǎn)行為中存在的問題并進(jìn)行改進(jìn),具有較強(qiáng)的實(shí)際意義.隨機(jī)前沿模型中如果忽略無效率項(xiàng)的異質(zhì)性(heterogeneity)會(huì)導(dǎo)致錯(cuò)誤的效率估計(jì).本文從個(gè)體特征的影響和方差的時(shí)變性兩方面對(duì)單邊干擾項(xiàng)進(jìn)行考慮,提出異方差動(dòng)態(tài)隨機(jī)前沿模型,無效率項(xiàng)與公司特征有關(guān)且方差隨時(shí)間變化.利用Gibbs抽樣對(duì)動(dòng)態(tài)異方差隨機(jī)前沿模型進(jìn)行貝葉斯推斷，確定了待估參數(shù)的先驗(yàn)分布,導(dǎo)出了參數(shù)的后驗(yàn)分布,并討論了模型的具體抽樣方法.在最小后驗(yàn)均方誤差準(zhǔn)則下對(duì)中小樣本進(jìn)行模擬實(shí)驗(yàn)，，結(jié)果顯示參數(shù)估計(jì)值與真值非常接近.最后將模型應(yīng)用于電力改革和港航上市公司的效率分析.對(duì)電力改革的實(shí)際數(shù)據(jù)進(jìn)行分析顯示對(duì)數(shù)無效率項(xiàng)的方差有一定的時(shí)變性,且無效率項(xiàng)受用戶密度的影響.對(duì)國內(nèi)港航上市公司的運(yùn)行效率分析,得出對(duì)數(shù)無效率項(xiàng)方差對(duì)前一時(shí)刻的方差和擾動(dòng)平方項(xiàng)有較大的依賴性.對(duì)于無效率中的參數(shù),其后驗(yàn)分布不是標(biāo)準(zhǔn)分布,且常用的隨機(jī)游走抽樣和Griddy-Gibbs抽樣方法在該分層隨機(jī)前沿模型中的舍選效率非常低.利用近似GARCH模型方法,將條件方差方程構(gòu)造成新的ARMA方程,得到參數(shù)的建議分布,最后通過Metropolis-Hastings抽樣實(shí)現(xiàn)對(duì)參數(shù)抽樣,大大提高了模型的抽樣效率.
【關(guān)鍵詞】：隨機(jī)前沿模型 貝葉斯分析 異方差 Gibbs抽樣 Metropolis-Hastings抽樣
【學(xué)位授予單位】：內(nèi)蒙古大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.8
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 引言9-16
• 1.1 問題的提出9
• 1.2 隨機(jī)前沿模型介紹9-12
• 1.3 隨機(jī)前沿模型的統(tǒng)計(jì)推斷12-14
• 1.4 本文主要研究內(nèi)容14-16
• 第二章 動(dòng)態(tài)隨機(jī)前沿模型的貝葉斯推斷16-29
• 2.1 模型介紹16-17
• 2.2 貝葉斯分析及抽樣方法17-26
• 2.2.1 先驗(yàn)的選取17-18
• 2.2.2 聯(lián)合后驗(yàn)分布及其Gibbs抽樣18-19
• 2.2.3 參數(shù)后驗(yàn)分布及其抽樣方法19-26
• 2.3 模擬實(shí)驗(yàn)26-28
• 2.4 本章小結(jié)28-29
• 第三章 實(shí)例分析29-36
• 3.1 電力改革數(shù)據(jù)實(shí)例分析29
• 3.2 港航上市公司運(yùn)行效率分析29-35
• 3.3 本章小結(jié)35-36
• 第四章 結(jié)束語36-37
• 參考文獻(xiàn)37-40
• 攻讀碩士學(xué)位期間完成的論文40-41
• 致謝41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 熊建國;;《動(dòng)載設(shè)計(jì):模型分析的應(yīng)用》[J];世界地震工程;1984年04期

2 盧正安;;積寬法測(cè)流模型分析[J];人民長江;1982年05期

3 蔡e

本文編號(hào)：440476