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:流程性材料最大的特点是其变异性小。对于这类总体,现有的标准差估计方法由于既包含组间差异,又包含组内差异,常常会夸大其估计误差。针对此,首先通过抽样设计,得到具有分层抽样特点的样本;然后借鉴单值—移动极差控制图中标准差的估计方法,构造了这类总体的标准差估计量。这样构造的标准差估计量,由于其估计误差中仅包含组内方差平均水平,从而更符合该类总体变异性小的特点。实际应用表明,该标准差估计量能显著降低估计误差。
简介:非参数可加ACD模型对条件期望的函数形式与随机误差项的分布形式要求都没有参数ACD模型强,因此不会像参数ACD模型那样因模型形式设定错误而得出错误结论。非参数可加ACD模型估计出来的各个可加部分图形的形状对于正确设定参数ACD模型具有一定的指导作用。