当响应变量为连续比例数据时,即其取值为(0,1)区间时,经典的线性回归或者数据变换方法的结果往往不理想。这种情况下可以使用Ferrari and Cribari-Neto提出的beta回归模型。但是传统的beta回归模型仅局限于参数线性回归,模型的灵活度不...当响应变量为连续比例数据时,即其取值为(0,1)区间时,经典的线性回归或者数据变换方法的结果往往不理想。这种情况下可以使用Ferrari and Cribari-Neto提出的beta回归模型。但是传统的beta回归模型仅局限于参数线性回归,模型的灵活度不高。本文提出了半参数可加beta回归模型以及参数估计方法,通过模拟发现具有良好的效果。另外,将半参数可加beta回归应用于医疗支出占家庭总支出比例的实证分析上,探讨了影响医疗支出占家庭总支出比例的影响因素。展开更多
文摘当响应变量为连续比例数据时,即其取值为(0,1)区间时,经典的线性回归或者数据变换方法的结果往往不理想。这种情况下可以使用Ferrari and Cribari-Neto提出的beta回归模型。但是传统的beta回归模型仅局限于参数线性回归,模型的灵活度不高。本文提出了半参数可加beta回归模型以及参数估计方法,通过模拟发现具有良好的效果。另外,将半参数可加beta回归应用于医疗支出占家庭总支出比例的实证分析上,探讨了影响医疗支出占家庭总支出比例的影响因素。