2021-11-17 信息来源：腾讯会议id 205 278 054
1、举办单位：数学科学学院
2、活动主题：stein估计量的bootstrap检验
3、活动形式：学术报告
4、活动摘要：本文提出利用bootstrap方法对简单模型平均（stein-like）估计量做统计推断。受局部邻域内生性参数的影响，stein估计量的渐近分布存在局部偏差，且为非标准形式。因此我们用两种bootstrap方法：标准的基于残差（无约束的）bootstrap 方法和原假设下基于残差（有约束）方法，来逼近stein-like估计量的渐近分布。首先证明两种bootstrap stein估计量的极限分布，然后证明了局部邻域内生性参数的一致估计，最后基于bootstrap估计量构造了偏差修正的t检验并推导其极限分布。此外，研究发现当内生参数在零的局部邻域内，有约束和无约束bootstrap stein估计量有相同的极限分布。模特卡罗模拟表明在有限样本时，两种bootstrap stein估计量和2sls估计量有更好的size表现，而bootstrap stein估计量比2sls估计量有更好的power表现。在分析个人能力对收入的影响时，stein估计量在样本子集上发现了统计显著的证据。
5、主讲人简介：杨政，电子科技大学经济与管理学院副教授、博士生导师，2008年获得西北工业大学理学博士学位，2011-2012年雪城大学（美国）和2018年威廉玛丽学院（美国）访问学者。主要研究领域为非线性时间序列、金融市场的计量分析与预测等，讲授课程包括计量经济学、金融计量经济学和投资管理等。杨政副教授作为作者/合作者在《applied economics》，《computational statistics & data analysis》，《mathematics and computers in simulation》，《系统工程理论与实践》、《数量经济技术经济研究》、《系统工程学报》等国内外学术期刊上发表论文30余篇；主持了自然科学基金、教育部人文社会科学基金和中国博士后科学基金等项目。
6、听众范围：统计学研究生及教师
7、举办时间：2021/11/17
8、举办地点：腾讯会议id 205 278 054