高维度下联立方程组和工具变量模型的估计、统计推断和模型选择

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71671149
  • 项目类别:
    面上项目
  • 资助金额:
    49.3万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0105.管理统计理论与方法
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

Huge amount of data are generated daily from various economic activities. The data storage, data collection and processing technology are undergoing fast development. Econometrics is a discipline which studies economic data using statistics, economics and mathematics. The new big data era has brought new contents and challenges for econometrics. High dimensional econometric problems mainly focus on: 1) many heterogeneous units in the structural model and the network structure; 2) many variables, many factors etc., which involving model selection, estimation oracle properties and inference and In this project, we focus on the following high dimensional microeconometrics issues: 1, system of equations for many heterogeneous units; 2, high dimensional instrumental variable theory, and the GMM extension; 3, applications of high dimensional econometrics in economic development, cross sectional returns, portfolio management, corporate finance, and environmental economics.
现代经济、金融活动中每时每刻都产生出大量的数据。而信息存储、数据收集以及信息处理技术的创新和发展给计量经济学理论带来了新的研究问题和挑战。在大数据时代背景下高维度计量经济学正逐渐成为理论和应用问题上的研究热点。高维度计量经济学的研究内容主要为多差异性个体的联立结构模型和网络结构的研究;多变量、多因子模型的估计、选择以及推断等。本课题对这一类问题进行系统性的理论研究并通过现实大数据进行实证问题研究。本课题主要研究下列高维度问题下的微观计量问题:1,多个差异性个体的联立方程估计;2,高维度工具变量理论,及其广义矩估计下的拓展问题;3,在经济增长、横截面回报率、资产投资组合、公司金融、环境经济学等方面的实证经济研究。

结项摘要

现代经济、金融活动中每时每刻都产生出大量的数据,例如医疗保健、股市交易、网络电商等等。而信息存储、数据收集以及信息处理技术的创新和发展给计量经济学理论带来了新的研究问题和挑战。在大数据时代背景下高维度计量经济学正逐渐成为理论和应用问题上的研究热点。高维度计量经济学的研究内容主要为多差异性个体的联立结构模型和网络结构的研究;多变量、多因子模型的估计、选择以及推断等。本课题对这一类问题进行系统性的理论研究并通过现实大数据进行实证问题研究。本课题主要研究下列高维度问题下的微观计量问题:1,多个差异性个体的联立方程估计;2,高维度工具变量理论,及其广义矩估计下的拓展问题;3,在经济增长、横截面回报率、资产投资组合、公司金融、环境经济学等方面的实证经济研究。在研究成果方面,本项目负责人在国际一流期刊上发表论文3篇,国际重要会议论文4篇,SCI/SSCI论文6篇,均为第一标注项目论文。项目的科研成果在经济政策评估、医疗健康产业、体育经济等领域有较为重要的应用前景。在理论与应用工具变量方法、大维方程组、处理效应和机器学习因果推断等领域有所贡献。

项目成果

期刊论文数量(12)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(0)
Identifying key factors in momentum in basketball games
确定篮球比赛势头的关键因素
  • DOI:
    10.1080/02664763.2020.1795819
  • 发表时间:
    --
  • 期刊:
    Journal of Applied Statistics
  • 影响因子:
    1.5
  • 作者:
    FAN QINGLIANG
  • 通讯作者:
    FAN QINGLIANG
Game day effect on stock market: Evidence from four major sports leagues in US
比赛日对股市的影响:来自美国四大体育联盟的证据
  • DOI:
    10.1016/j.jbef.2018.03.005
  • 发表时间:
    2018
  • 期刊:
    Journal of Behavioral and Experimental Finance
  • 影响因子:
    6.6
  • 作者:
    FAN QINGLIANG
  • 通讯作者:
    FAN QINGLIANG
Estimation of Conditional Average Treatment Effects With High-Dimensional Data
利用高维数据估计条件平均治疗效果
  • DOI:
    10.1080/07350015.2020.1811102
  • 发表时间:
    2019-08
  • 期刊:
    Journal of Business and Economic Statistics
  • 影响因子:
    3
  • 作者:
    FAN QINGLIANG
  • 通讯作者:
    FAN QINGLIANG
Large System of Seemingly Unrelated Regressions: A Penalized Quasi-Maximum Likelihood Estimation Perspective
看似不相关的回归的大型系统:惩罚准最大似然估计视角
  • DOI:
    10.1109/globalsip45357.2019.8969409
  • 发表时间:
    2020
  • 期刊:
    Econometric Theory
  • 影响因子:
    0.8
  • 作者:
    FAN QINGLIANG
  • 通讯作者:
    FAN QINGLIANG
The impact of temperature on gaming productivity: evidence from online games
温度对游戏生产力的影响:来自网络游戏的证据
  • DOI:
    10.1007/s00181-018-1523-7
  • 发表时间:
    2018-07
  • 期刊:
    Empirical Economics
  • 影响因子:
    3.2
  • 作者:
    Xiaojia Bao;Qingliang Fan
  • 通讯作者:
    Qingliang Fan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

企业并购、人力资本与风险溢价———以沪深 300 指数成分股公司为例
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    中国经济问题
  • 影响因子:
    --
  • 作者:
    范青亮
  • 通讯作者:
    范青亮

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

范青亮的其他基金

半参数有效性工具变量理论:选择、估计、检验及其应用
  • 批准号:
    71301134
  • 批准年份:
    2013
  • 资助金额:
    20.5 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码