本文在双重差分模型下提出一种新的协变量平衡法估计倾向得分,进而估计受处理者的平均处理效应(The Average Treatment Effect on the Treated,ATT),该方法使控制组协变量逼近基的加权样本均值等于总体协变量逼近基的样本均值。相比于...本文在双重差分模型下提出一种新的协变量平衡法估计倾向得分,进而估计受处理者的平均处理效应(The Average Treatment Effect on the Treated,ATT),该方法使控制组协变量逼近基的加权样本均值等于总体协变量逼近基的样本均值。相比于传统估计方法,本文提出的方法有如下优势,一是,能够有效减少极端估计权重的出现,进而提升目标参数估计量的准确性和稳定性;二是,无需对倾向得分做任何函数形式假定,从而可以有效避免模型误设,且所得ATT估计量的权重自动满足归一化条件;三是,最优化函数满足严凸性且不带任何约束,从而确保解的唯一性和求解简便性。在某些正则条件下,本文证明ATT估计量具有一致性与渐近正态性,并且渐近方差可达到半参数效率的下界。此外,进一步使用蒙特卡罗模拟考察估计方法的有限样本性质,结果表明该方法具有较高的估计精度。最后,基于中国家庭追踪调查数据进行实证分析,进一步验证了精准扶贫政策的有效性。展开更多
以内蒙古地区牙克石林业管理局的大兴安岭天然白桦林(Betula platyphylla)为研究对象,利用198块样地数据分析天然白桦林林分碳密度与各林分变量之间的关系,建立碳密度预测基础模型,同时将立地条件(草类白桦林、杜鹃-越桔白桦林、榛子白...以内蒙古地区牙克石林业管理局的大兴安岭天然白桦林(Betula platyphylla)为研究对象,利用198块样地数据分析天然白桦林林分碳密度与各林分变量之间的关系,建立碳密度预测基础模型,同时将立地条件(草类白桦林、杜鹃-越桔白桦林、榛子白桦林)作为哑变量引入到预测模型中,对不同林型的林分碳密度进行预测,为林业研究中碳密度模型的构建以及森林碳汇工作提供思路和方法。结果表明,天然白桦林林分碳密度基础模型决定系数(R^(2))为0.703,均方根误差(RMSE)为8.615 t/hm^(2),赤池信息量(Akaike information criterion,AIC)为841.206,贝叶斯信息量(Bayesian Information Criterion,BIC)为851.071。引入立地条件哑变量后,R^(2)有所增大,最大达到0.818,RMSE均小于等于8.241 t/hm^(2),说明模型具有较好的稳定性,预估参数较为精确。哑变量模型的AIC均小于等于541.431,BIC均小于等于550.320。哑变量模型能够反映不同立地条件下碳密度的变化,在模型的拟合和检验方面都显示适合于研究地区林分碳密度的预测,为天然白桦林碳密度估算提供参考。展开更多
文摘本文在双重差分模型下提出一种新的协变量平衡法估计倾向得分,进而估计受处理者的平均处理效应(The Average Treatment Effect on the Treated,ATT),该方法使控制组协变量逼近基的加权样本均值等于总体协变量逼近基的样本均值。相比于传统估计方法,本文提出的方法有如下优势,一是,能够有效减少极端估计权重的出现,进而提升目标参数估计量的准确性和稳定性;二是,无需对倾向得分做任何函数形式假定,从而可以有效避免模型误设,且所得ATT估计量的权重自动满足归一化条件;三是,最优化函数满足严凸性且不带任何约束,从而确保解的唯一性和求解简便性。在某些正则条件下,本文证明ATT估计量具有一致性与渐近正态性,并且渐近方差可达到半参数效率的下界。此外,进一步使用蒙特卡罗模拟考察估计方法的有限样本性质,结果表明该方法具有较高的估计精度。最后,基于中国家庭追踪调查数据进行实证分析,进一步验证了精准扶贫政策的有效性。
文摘以内蒙古地区牙克石林业管理局的大兴安岭天然白桦林(Betula platyphylla)为研究对象,利用198块样地数据分析天然白桦林林分碳密度与各林分变量之间的关系,建立碳密度预测基础模型,同时将立地条件(草类白桦林、杜鹃-越桔白桦林、榛子白桦林)作为哑变量引入到预测模型中,对不同林型的林分碳密度进行预测,为林业研究中碳密度模型的构建以及森林碳汇工作提供思路和方法。结果表明,天然白桦林林分碳密度基础模型决定系数(R^(2))为0.703,均方根误差(RMSE)为8.615 t/hm^(2),赤池信息量(Akaike information criterion,AIC)为841.206,贝叶斯信息量(Bayesian Information Criterion,BIC)为851.071。引入立地条件哑变量后,R^(2)有所增大,最大达到0.818,RMSE均小于等于8.241 t/hm^(2),说明模型具有较好的稳定性,预估参数较为精确。哑变量模型的AIC均小于等于541.431,BIC均小于等于550.320。哑变量模型能够反映不同立地条件下碳密度的变化,在模型的拟合和检验方面都显示适合于研究地区林分碳密度的预测,为天然白桦林碳密度估算提供参考。
