学科分类
/ 1
5 个结果
  • 简介:利用蒙特卡洛模拟实验研究倾向得分匹配方法(propensityscorematching)的敏感性。模拟试验结果表明:(1)倾向得分匹配方法对误差项分布不敏感,即使当假定的误差分布与实际分布相差较大时,据倾向得分匹配方法仍能得到大致无偏的估计。(2)隐指标函数的误设可以使倾向得分匹配方法估计结果的偏差高达61%。(3)当共同支撑域较大时,倾向得分匹配方法对具体匹配方法的选择不敏感。当共同支撑域较小时,局部线性回归匹配方法为最优。(4)倾向得分匹配方法对强可忽略性假设是非常敏感的,即使轻度的违背此假设,倾向得分匹配方法的估计结果偏差也超过50%。

  • 标签: 倾向得分匹配 敏感性分析 因果模型 蒙特卡洛模拟
  • 简介:基于2016年对秦岭地区561户贫困农户进行的问卷调查数据,采用倾向性匹配得分法分析了农户参与精准扶贫项目对其收入的影响,并对结果的平衡性进行了检验。研究表明:(1)在参与精准扶贫项目后,农户的真实收入水平得到了不同程度的提升;(2)就不同扶贫模式对收入的提升作用而言,生态旅游模式的作用最为显著,合作社和贫困补贴模式次之,整村推进模式的作用相对较小;(3)就不同扶贫模式下收入的绝对值而言,农户在贫困补贴模式和合作社模式下的收入较高,生态旅游模式和整村推进模式下的收入较低;(4)当前农户对精准扶贫项目的参与存在选择性偏差和内生性干扰,这些因素共同导致了精准扶贫政策的作用被低估甚至误判。基于以上结论提出了若干对策建议。

  • 标签: 精准扶贫 选择性偏差 倾向得分匹配法(PSM)
  • 简介:核主成分分析KPCA是近年来提出的一个十分有效的数据降维方法,但它并不能保证所提取的第一主成分最适用于降维后的数据分类。粗糙集RS理论是处理这类问题的一个有效方法。提出一个基于KPCA与RS理论的支持向量分类SVC,利用RS理论和信息熵原理对运用KP(A进行特征提取后的训练样本进行特征选择,保留重要特征,力求减小求解问题的规模,提高SVC的性能。在构建2006年上市公司财务困境预警模型的数值实验中,以KPCA、RS理论作为前置系统的SVC取得了良好效果。

  • 标签: 核主成分分析 粗糙集 支持向量分类机 财务困境 预警
  • 简介:本文研究部分变系数动态模型,一些参数的值可以成为协变量的函数,并提出了参数和非参数函数系数的估计。本文提出一个基于支持向量分位数回归的部分变系数动态模型,及它的三步估计法和迭代加权最小二乘法估计模型的参数和非参数函数,提出的方法能被简单有效地应用到线性和非线性分位数回归光滑变量的高维情况。同时,本文也提出模型的惩罚参数、核参数的选择方法——交叉验证方法。

  • 标签: 部分变系数模型 分位数回归 支持向量机分位数回归 迭代加权最小二乘 超参数选择