焦炭价格的半参数估计

在线阅读 下载PDF 导出详情
摘要 未填写
出处 《企业技术开发》 2009年11期
关键词 焦炭 半参数 窗宽 交错鉴定法 焦炭作为煤炭的一个重要品种,国家对焦炭价格的干预相对较小。参数回归模型不能考虑复杂的非确定性因素,导致预测精度较低。非参数回归模型虽然拟合精度高,使用条件宽松,但不能考虑固定影响因素。鉴于焦炭消费的特点,焦炭价格估计模型可考虑钢铁对焦炭的消费规律,若能再考虑不确定性因素影响,那么这样的统计模型也就应该具有很好的精度。所以本文选择半参数模型估计焦炭价格。 1半参数回归模型设定及估计方法 半参数线性回归模型具体表达公式如下Y=X&beta +g(Z)+&epsilon .线性主部X&beta 把握被解释变量Y的大势走向,适合于外延预测。X是与被解释变量关系比较紧密的解释变量,X&beta 因此可以作为参数部分 非参数部分g(Z)可以对被解释变量Y做局部调整,使模型更好的拟合样本观测值。 半参数回归模型常用的估计方法有最小二乘核估计 最小二乘局部线性估计 最小二乘近邻估计法等。下面以最小二乘核估计为例估计半参数模型。它的估计原理为 第一步,先设&beta 已知,估计g (Z)。基于Yi -Xi&beta = g(Zi)+&epsilon i ,选择窗宽h 得到g (Z)的核估计权函数Wni(Z)可取作其中K是核函数,h为窗宽。则yi- Xi&beta = 第二步,在已知的基础上估计。基于得到&beta 的最小二乘估计。记 则。是列向量矩阵。。的一次估计可以直接用原估计模型Y=X&beta +&mu 得到。 2焦炭价格半参数估计的实例应用 本文的焦炭市场消费数据包括焦炭价格与产量 生铁产量与价格。焦炭品种以>25 >40为主。数据是取自从1997年1月到2009年4月,数据来源于中国炼焦行业协会网。 ①选择焦炭产量线性主部及生铁价格非参数部分。通过对焦炭产量与生铁产量做一元线性回归,得到&beta 一次估计值为0.659. 下面考虑非参数部分的选择。通过做线性回归可得到这样的结果。焦碳>40价格 焦碳>25价格与焦碳产量 生铁价格分别做线性回归,发现上述四组变量中,价格与产量的相关性都不是很好,而价格与价格却有着不错的相关性。故非参数部分我们选择焦碳产量。 ②选择核函数和最优窗宽。选择核函数的一个重要目的在于使得估计均方误差(MSE)达到最小。文献[1
出版日期 2009年11月21日(中国期刊网平台首次上网日期,不代表论文的发表时间)
  • 相关文献

相关关键词

焦炭 半参数 窗宽 交错鉴定法 焦炭作为煤炭的一个重要品种,国家对焦炭价格的干预相对较小。参数回归模型不能考虑复杂的非确定性因素,导致预测精度较低。非参数回归模型虽然拟合精度高,使用条件宽松,但不能考虑固定影响因素。鉴于焦炭消费的特点,焦炭价格估计模型可考虑钢铁对焦炭的消费规律,若能再考虑不确定性因素影响,那么这样的统计模型也就应该具有很好的精度。所以本文选择半参数模型估计焦炭价格。 1半参数回归模型设定及估计方法 半参数线性回归模型具体表达公式如下Y=X&beta +g(Z)+&epsilon .线性主部X&beta 把握被解释变量Y的大势走向,适合于外延预测。X是与被解释变量关系比较紧密的解释变量,X&beta 因此可以作为参数部分 非参数部分g(Z)可以对被解释变量Y做局部调整,使模型更好的拟合样本观测值。 半参数回归模型常用的估计方法有最小二乘核估计 最小二乘局部线性估计 最小二乘近邻估计法等。下面以最小二乘核估计为例估计半参数模型。它的估计原理为 第一步,先设&beta 已知,估计g (Z)。基于Yi -Xi&beta = g(Zi)+&epsilon i ,选择窗宽h 得到g (Z)的核估计权函数Wni(Z)可取作其中K是核函数,h为窗宽。则yi- Xi&beta = 第二步,在已知的基础上估计。基于得到&beta 的最小二乘估计。记 则。是列向量矩阵。。的一次估计可以直接用原估计模型Y=X&beta +&mu 得到。 2焦炭价格半参数估计的实例应用 本文的焦炭市场消费数据包括焦炭价格与产量 生铁产量与价格。焦炭品种以>25 >40为主。数据是取自从1997年1月到2009年4月,数据来源于中国炼焦行业协会网。 ①选择焦炭产量线性主部及生铁价格非参数部分。通过对焦炭产量与生铁产量做一元线性回归,得到&beta 一次估计值为0.659. 下面考虑非参数部分的选择。通过做线性回归可得到这样的结果。焦碳>40价格 焦碳>25价格与焦碳产量 生铁价格分别做线性回归,发现上述四组变量中,价格与产量的相关性都不是很好,而价格与价格却有着不错的相关性。故非参数部分我们选择焦碳产量。 ②选择核函数和最优窗宽。选择核函数的一个重要目的在于使得估计均方误差(MSE)达到最小。文献[1