1 |
二參數指數分配推論問題之研究張佳惠 Unknown Date (has links)
本篇論文主要考慮在第一型設限下兩群二參數指數分配的推論問題。由於在給定失敗個數之下,第一型與第二型設限的概似函數相似,所以我們先探討第二型設限下指數分配的估計及多個母體是否相等的檢定,最後再推導出在第一型設限下,及兩個母體之尺度參數或位置參數是否相等的檢定統計量。
|
2 |
我國租稅稽徵技術效率之研究許怡雯 Unknown Date (has links)
本文嘗試以實證的角度,採用各區國稅局企劃科所提供的八十四會計年度人力配置和業務量統計的橫斷面資料,利用個體經濟理論中評估生產者生產活動技術效率表現的非參數法(non-parametricapproach),亦稱資料包絡分析法(Data Envelopment Analysis)來衡量我國國稅基層稽徵機關稽徵活動的投入與稅收產出的資源有效利用程度,除進一步分解整體技術效率(overall technical efficiency)為純技術效率(purely technical efficiency)和規模效率(scale efficiency)並剖析無效率的主要來源成份外,亦依人力投入規模(size)大小、業務量大小、轄區都市化程度、轄區型態為直轄市都會型與否以及區局別等分類標準,將整體稽徵機關加以分類,以Kruskal-Wallis和Median檢定法對這些分類因素逐一進行檢定,視其是否顯著影響稽徵機關間的各項效率差異情形。
實證結果發現,在本文所設定的模型下,稽徵機關整體技術無效率的來源成份主要為純粹技術無效率,而規模無效率則主要來自相對長期最適規模過小。檢定結果則顯示,於多數的投入產出變數組合下,人力投入規模大小、業務量大小、轄區都市化程度、轄區型態為直轄市都會型與否以及區局別對稽徵機關間的整體技術效率和規模效率差異有顯著影響;稽徵機關間受轄區都市化程度、轄區型態為直轄市都會型與否以及區局別等因素影響而存在顯著的純技術效率差異。
|
3 |
垂直封閉與予盾之探討:非零猜測變量分析法曾業泰 Unknown Date (has links)
本文引用非零猜測變量模型來分析上、下游產業皆為寡佔市場的垂直整合效果。結果發現,垂直整合廠商僅在其中間財(消費財)之邊際生產成本為遞增時,才可能會參與中間財市場的需求(供給)。此外,在垂直整合廠商採行垂直封閉行為下,廠商的垂直整合行為是否能增加本身的利潤與/或增加消費者福利,則完全取決於整體產業內既有的水平結構參數(上、下游的廠商家數以及上、下游產業內之競爭狀態);然而在某些水平結構參數下,廠商利潤與消費者福利同時增加(垂直矛盾)現象的確是可能存在的。
|
4 |
論混合常態之估計黃瓊玉, HUANG,QIONG-YU Unknown Date (has links)
混合模式(mixture model) 參數的估計問題, 研究迄今已近一世紀, 自Pearson 提出
動差法來估計兩個混合常態模式的參數以來, 有許多學者繼續這個範疇的研究, 且相
繼提出他們的看法。而近半世紀以來, 混合常態分配被廣泛應用在許多其他學科的進
一步研究分析上, 因此, 它的參數估計式的意義就更顯得重要。
本文研究的重點在於兩個混合常態分配參數的估計, 試著應用Li(1988)所提出的一些
結果, 我們將原參數空間透過適當的轉換, 使之成為新參數空間。因為原參數空間有
識別性問題, 而我們希望能從參數估計值, 直接判斷其模式。經過適當轉換后的新參
數空間, 則無識別性的問題, 而且此新參數空間具B-可識別性, 則可避免Li(1988)文
章中指出Chiang等人的研究結果的現象。
本文將於第一章中介紹混合模式的定義以及使用的符號。於第二章中將許多前人精心
研究關於混合模式參數估計的方法, 作一簡要的回顧。第三章中介紹最近被提出的用
以改進MLE 法的金蟬法, 與有系統地改進原始估計值及改進估計式的變異數的一種關
於精深的再抽樣的技巧--拋磚引玉法。於第四章中對參數的可識別性下定義并介紹其
重要性及一些重要的定理。在第五章中將提出新參數空間法并導出此適當的轉換函數
。第六章中我們在眾多的參數估計法中, 挑出找MLE 之EM演算法, 最小CVM 法, 最小
Hellinger 距離估計法及金蟬法與拋磚引玉法, 分別依原參數空間與新參數空間作模
擬, 并比較其結果, 作一簡要的模擬分析。而本文的研究結果將在第七章, 中作詳細
的探討。
|
5 |
參數估計在最適肥料量問題上的效應 / Effect of Parameter Estimation on Fertilizer Optimization洪榮耀, Hung, rung yau Unknown Date (has links)
本文首先將推導最適肥料量問題在二次模型參數受限條件時的參數估計及最適肥料量估計的演算法.其次,在一般線性模型下,我們將討論最適謀略估計,參數估計和最佳目標函數估計的評估準則,並且探討如何偵測出對最適謀略估計,參數估計以及最佳目標函數估計有影響力的資料點.同時,我們也將在二次模型下再次考慮前述的問題.最後,我們將引用"北卡羅來納州試驗資料 ",作實例分析,加以說明.
|
6 |
可贖回雪球式商品的評價與避險曹若玹 Unknown Date (has links)
本文採用Lognormal Forward LIBOR Model (LFM) 利率模型,針對可贖回雪球式債券進行相關的評價與避險分析,而由於此商品的計息方式為路徑相依型態,價格沒有封閉解,故必須利用數值方法來進行評價。過去通常使用二元樹或三元樹的方法來評價具有可贖回特性的商品,但因為LFM是屬於多因子模型,所以不容易處理建樹的過程。而一般路徑相依商品的評價是使用蒙地卡羅法來進行,但是標準的蒙地卡羅法不易處理美式或百慕達式選擇權的問題,因此,本研究將使用由Longstaff and Schwartz(2001)所提出的最小平方蒙地卡羅法,來處理同時具有可贖回與路徑相依特性的商品評價並進行實證研究。 / 此外,關於可贖回商品的避險參數部分,由於商品的價格函數不具有連續性,若在蒙地卡羅法之下直接使用重新模擬的方式來求算避險參數,將會造成不準確的結果,而Piterbarg (2004)提出了兩種可用來計算在LFM下可贖回商品避險參數的方法,其實証結果發現所求出的避險參數結果較準確,因此本研究將此方法運用至可贖回雪球式利率連動債券,並分析各種參數變化對商品價格的影響大小,便於進行避險工作。
|
7 |
台灣地區匯率影子價格之研究饒方敏, RAO, FANG-MIN Unknown Date (has links)
本篇論文共一冊,文中計分五章:第一章為緒論,旨在說明研究目的與本篇論文結構
。第二章則為文獻回顧部份,說明不同的計算匯率影子價格之方法。第三章則在建立
一多部門的一般均衡模型,並使用Newton's iteration method 來求解此一般均衡型
之內生變數解。第四章則說明在求解過程中的資料處理,並且作比較靜態分析,設政
府自發性進口需求增加,對所有內生變數的影響,而將有關部份的變動代入計算匯率
影子價格的公式中,而求出台灣外匯的影子價格。最後一章,即第五章為結論,並提
出本文對未來改進方向之建議。另在最後加入附錄,說明有關之方程式及參數的估計
。
|
8 |
隨機應答取樣之研究陳綉真, Chen, Zhen Unknown Date (has links)
在隨機應答的技巧之中,自華納(Warner,1965) 提出華納模式後,即有多位學者以華納的觀點為籃圖,展開一系列的縱橫發展,並插枝分葉出各式技巧來(Chandhuri & Makerjee,1988)。
本文在第一、二章內,將分別介紹其中最典型的兩種方式:華納模式(Warner Model)與不相關問題模式(Unrelated-Question Model)。在第一章中並圖示固定的參數設計p 之下,比較華納模式的隨機應答方式與一般的直接應答方式效率之優劣,隨受訪者的誠實度變化之情形。在第二章中,除介紹不相關問題模式的技巧與方法外,也圖示比較華納模式與不相關問題模式取樣結果的估計值有效性之優劣。在第三章中,則闡述保護受訪者隱私的立場與獲得有效估計的目的如何互相衝突、矛盾,而定下參數設計的準則,以求取二者之間的平衡。最後一章則因Greenberg(1977) 所定義的冒險函數未能由所給的數學式完全描述,故在此章提出一些較合理的修正。
|
9 |
時間數列之秩串分析法的探討楊貴顯, YANG, GUI-XIAN Unknown Date (has links)
本文計分六章,計一冊:
第一章:緒論,說明研究動機及本文結構,分二節,一為引言,二為本文結構。
第二章:秩串之定義與應用,介紹秩串型態及其應用的方向。分二節,一為秩串的定
義,二為秩串的應用。
第三章:靜態及獨立之隨機過程下秩串的分配和參數,討論秩串長度及秩串個數之理
論分配及大樣本時的漸近分配,以解決樣本數多時之機率計算過程。分四節,一、秩
串長度之分配與母數;二、二元秩串個數之分配與母數;三、多元秩串個數之分配與
母體;四、秩串個數之極限分配。
第四章:靜態的線性相依自我迴歸過程下秩串之分配和參數,討論馬可夫鏈及二階線
性相依過程下之分配型態。分二節,一為秩串長度之分配與母數;二為秩串個數之分
配與母數。
第五章:秩串於全體金融機構之資本過程的應用。分二節,一為資料來源與說明;二
為實證分析。
第六章:結論。
|
10 |
混合線性模式的估計于國欽, YU, GUO-GIN Unknown Date (has links)
一般說來,我們所遇到的線性模式都是
Y=Xβ+ι
Y 是一N ×1的向量,其元素為應變數的觀測值
X 是一N ×P 的矩陣,其中的元素為已知數
β是一P ×1的向量,其中的元素為母體的參數(parameters)
ι是一N ×1的向量,其中的元素為隨機誤差(random errors)
我們可以用幾何求得參數的估計式
β=(X′X)-X′Y
同理,我們可求得有關β的標準差,建立βi ′s 的信賴區間,及作各種有關的假設
檢定。一旦我們將模式改成
Y=Xα+ZU (ii)
Y 是一N ×1的向量,其元素為應變數的觀測值
X 是一N ×P 的已知常數矩陣
Z 是N × 的已知常數矩陣
α是P ×1未知的參數向量(固定效應)
U是γ×1的向量,其中包括隨機效應和隨機誤差兩項
因為(ii)式中的隨機向量U包括隨機效應和隨機誤差兩項,倘若我們把(ii)式中
兩部分予以分解,則(ii)式可以改寫如下:
(圖表省略)
本文所討論的是運用已知的原理去估計β和U,其中將討論如何運用極限的原理去估
計β和U的向量
|
Page generated in 0.0223 seconds