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%。
简介:在设定不同H真实值的情况下,通过DHM算法模拟出一系列FGN序列,对经典R/S分析方法估计H指数的有效性进行研究,并对中国股市收益序列的H指数进行测定。研究结果表明:当H真实值介于0-0.6和0.8-1之间时,分别高估和低估H指数;仅当H真实值介于0.6-0.8之间时,经典R/S分析方法才能做出稍好的估计,其估计有效性尽管不受回归方式、局部趋势性剔除处理的影响,但是受到标度长度的选取、短期相关性处理、序列长度、序列包含的白噪声成分强弱等各种因素的显著影响,中国股市收益序列的H指数可能介于0.6-0.8之间,从而具有明显的长记忆性。