金融发展对收入不平等的非线性影响研究——基于分位数回归森林模型的分析

利用2021年中国综合社会调查数据构造城市的收入不平等指数,搜集城市的宏观经济数据,采用分位数回归森林模型研究金融发展对收入不平等的非线性效应和异质性影响。研究表明:分位数回归森林模型能够更好地揭示金融发展对收入不平等的影响;金融发展能显著影响收入不平等,并且二者之间呈现“L形”的非线性趋势,但收入不平等水平不同的城市,金融发展对其的影响程度不同,即在收入不平等水平较高的城市,金融发展对收入不平等的影响较小,而在收入不平等水平较低的城市,金融发展对收入不平等的影响较大。因此各城市应当因地制宜促进金融发展,进而降低收入差距,促进共同富裕。

学校体育环境对初中生体育核心素养的影响——基于分位数回归的考察

为探究学校体育环境对初中生体育核心素养的影响效应,运用文献资料、问卷调查、最小二乘法回归和分位数回归进行数据收集和分析,研究发现:学校体育环境对初中生体育核心素养存在显著性正向影响;不同分位点处,学校体育环境对初中生体育核心素养均有显著性促进效应,且整体来看,随着分位点的提高,影响效应逐渐减弱;学校体育环境对初中女生的体育核心素养影响效应相对均衡,而对男生群体的影响存在两极分化的特征。各年级初中生受学校体育环境的影响效应随着分位点的升高而降低。提出如下建议:加强学校体育环境建设,充分发挥学校体育环境对体育核心素养的促进效应;注重学校体育环境影响效应的差异性,引导初中生体育核心素养的发展;根据不同群体的特点,有针对性的制定体育核心素养发展策略。合理变换多种形式,消解学校体育环境影响的“超限效应”。

基于混合效应和分位数回归的温带针阔混交林树高与胸径关系研究

【目的】基于非线性回归和广义模型构建不同分位数回归和混合效应的树高预测方程,并对比分析非线性模型、不同分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型、广义模型及非线性混合效应模型的拟合效果和预测精度,为研究林分生长和收获提供理论依据。【方法】本研究以吉林蛟河地区针阔混交林的主要树种(红松、色木槭、紫椴和水曲柳)为研究对象,基于21.12 hm2样地数据,首先在11个广泛使用的树高方程基础模型中选定基础模型;其次探究林分变量对树高的影响并构建含林分变量的广义模型;最后在基础模型和广义模型的基础上,构建分位数模型,同时考虑样方效应对树高的影响,构建混合效应模型。【结果】(1)各树种均以Richards模型拟合精度更高,且具有生物学意义,选定为基础模型;考虑林分变量与树高的相关性以及模型收敛性,加入优势木高建立的广义模型能显著提高拟合效果。(2)各树种均为中位数τ=0.5时模型拟合效果最佳,且与非线性回归预测精度相近,红松、色木槭、紫椴和水曲柳最高R^(2)值分别为0.811、0.809、0.724和0.617,广义中位数回归预测能力得到进一步提高,R^(2)值分别为0.891、0.874、0.858和0.627。(3)混合效应模型相对其他模型能显著提高预测精度,其中基础混合模型略优于广义混合模型,4个树种R^(2)值达到0.937、0.919、0.906和0.643,表明包含样方效应的混合模型能得到更准确更稳定的预测结果。【结论】与传统方法建立的基础模型和广义模型以及两者的中位数回归模型相较,基于非线性混合效应构建的树高-胸径模型预测精度更高,其中基于基础混合效应构建的吉林蛟河地区混交林树高-胸径模型更具优越性和稳定性。

分位数回归模型在公共卫生领域中的应用及SAS实现

目的探讨分位数回归模型在公共卫生领域中应用及SAS实现,为该方法推广使用提供参考。方法在介绍分位数回归模型基本概念基础上,介绍了分位数回归模型应用情景与优势,并以血清克拉拉细胞蛋白水平和第一秒用力呼气容积/用力肺活量(FEV1/FVC)变化数据为例,与简单线性回归模型相比,探讨分位数回归模型应用及SAS实现过程。结果分位数回归模型不仅可以分析血清克拉拉细胞蛋白水平对FEV1/FVC均值的影响,还可以分析血清克拉拉细胞蛋白水平对FEV1/FVC不同分位数的影响,得到更全面的信息,且通过统计软件SAS可方便实现。结论分位数回归模型可弥补简单线性回归模型仅关注应变量均值特征而不能分析其完整分布特征的不足,SAS软件提供了相对成熟的分析语句,值得推广。

康复患者次均住院费用影响因素的分析:基于分位数回归模型

目的分析甘肃省二级、三级医院康复住院患者次均住院费用的分布特点及其影响因素。方法分层抽取2017年1月1日至2023年6月30日甘肃省59家二级、三级医院康复住院患者病历6950份,收录电子病历管理系统住院病案首页信息数据。描述康复患者次均住院费用的分布及特点,并运用分位数回归模型分析次均住院费用的影响因素。结果纳入患者次均住院费用为6282.65(4095.39,11829.36)元。多因素分析结果显示,康复患者的年龄(β>21.509)、住院时间(β>166.320)、医院级别(β>1096.971)、医院类别(|β|>969.080)、入院途径(β>307.731)、是否转科(β>732.289)和是否用药(β>737.109)对次均住院费用3个分位数点(P10,P50,P90)均有影响(P<0.05),均呈现对高分位点影响最强。2017年至2019年入院的康复患者较2020年至2023年的康复患者在第10分位点次均住院费用较低(β=-732.341),在第90分位点费用较高(β=846.445)(P<0.05)。以自费为对照,医保支付的次均住院费用在第10分位点更高(β_(职工医保)=450.606,β_(居民医保)=478.421),在第90分位点上费用更低(β_(职工医保)=-2517.823,β_(居民医保)=-1283.355)(P<0.05),在第90分位点影响更大。以其他类型疾病为对照,精神与行为障碍、神经系统疾病费用更低(β<-569.500),循环系统疾病在第10分位点上费用更高(β=457.393),肌肉骨骼和结缔组织疾病在第50(β=-1106.791)、第90分位点上费用(β=-3072.947)更低(P<0.05)。结论康复患者次均住院费用差异大,影响因素复杂,医保相比自费在次均住院费用的高分位点有保护作用。

Copula分位数回归方法在风电超短期出力预测上的应用

风电出力具有较强的随机性和波动性,相比于传统预测,分位数预测方法能够提供全面的风电功率概率分布信息,可实现更可靠的风电出力预报,对电网系统的安全和稳定运行具有重要意义.以甘肃某风电站为案例,将数据按6∶2∶2划分为训练集、验证集和测试集,采用基于Copula的分位数回归方法(QCopula)进行功率区间预测,并与三个传统的分位数回归方法进行比较.结果显示,在不同置信区间下QCopula的修正预测区间精度范围在0.701~0.773之间,预测精度平均值比传统分位数回归(QR)、随机森林分位数回归(QRF)和长短期记忆神经网络分位数回归(QLSTM)分别高出15%、9%和13%,优于其他三种分位数预测方法.分位数交叉验证中,QCopula未出现分位数交叉,每个样本点的功率预测值均随概率值单调递增,而QR、QRF、QLSTM均出现不同程度的分位数交叉现象.综上所述,QCopula可以表征更小的区间宽度和更高的区间覆盖率,且分位数曲线不存在交叉,可信度较高.

新生儿高胆红素血症患儿住院费用的分位数回归分析

目的 通过统计新生儿高胆红素血症患儿住院费用及相关母婴信息、住院信息、诊疗信息,分析单病种费用的影响因素,以期为医保按病种分值付费(diagnosis-intervention packet,DIP)方式改革和医院单病种费用控制提供可参考的建议和方法。方法 通过病案信息系统,调取2018—2022年在鲁中地区某三甲妇幼保健院住院治疗的新生儿高胆红素血症患儿的住院费用及相关信息,采用单因素分析、分位数回归分析患儿住院费用的影响因素。结果 年份、医疗付款方式、并发症、患儿年龄、住院天数、胎次、入院经皮测胆值、喂养方式、大便情况、总胆红素水平对患儿住院费用的影响差异有统计学意义(P<0.05)。不同分位费用组中,各影响因素作用方向及趋势不同。结论 我国公立医院实行的耗材“零差价”政策及药品集中带量采购,有效地遏制了患儿住院费用的增长;关爱母婴健康,降低血清总胆红素水平,减少无效的住院天数,降低新生儿高胆红素血症患儿并发症发生率是合理控制费用增长的重要手段。

基于分位数回归模型和经验模态分解的全球变暖问题研究

利用分位数回归模型和经验模态分解(empirical mode decomposition,EMD)方法对气候及其变化进行分析和预测.首先,采用全球热力图对气温数据进行描述统计,并采用经验模态分解方法降噪获取趋势项来引入全球气温周期概念,探究全球气候变暖趋势;然后,基于多元线性回归模型及分位数回归模型寻找全球气温的影响因素,并对气温进行建模及预测.研究结果可为全球气候分析提供统计学支撑.

超高维数据下部分线性可加分位数回归模型的变量选择

在超高维数据中,一方面,协变量的维数可能远远大于样本量,甚至随着样本量以指数级的速度增长;另一方面,超高维数据通常是异质的,协变量对条件分布中心的影响可能与他们对尾部的影响大不相同,甚至会出现重尾以及异常点的复杂情况。文章在协变量维度发散且为超高维的情况下研究了部分线性可加分位数回归模型的变量选择和稳健估计问题。首先,为了实现模型的稀疏性和非参数光滑性,引入了一种非凸Atan双惩罚,并采用分位迭代坐标下降算法来解决所提方法的优化问题。在选择适当正则化参数的情况下,证明了所提双惩罚估计量的理论性质。其次,通过模拟研究对所提方法的性能进行验证。模拟结果表明,所提方法比其他惩罚方法具有更好的表现,尤其是在数据存在重尾的情况下。最后,通过基于癌症筛查病人血液样本数据的实证来验证所提方法的实用性。

基于分位数回归的轮状病毒腹泻患儿住院费用影响因素研究

目的 探讨轮状病毒腹泻患儿住院费用影响因素,为合理有效控制轮状病毒腹泻医疗费用提供科学依据。方法 收集甘肃省2018—2021年间轮状病毒腹泻患儿病案首页数据,采用SPSS 26.0对人口学特征进行统计描述,应用分位数回归模型分析轮状病毒腹泻患儿住院费用影响因素。结果 本研究共纳入腹泻患儿病例7267例,甘肃省4年间轮状病毒腹泻患儿住院总费用约为2271.42万元,次均住院费用为2272.58(1588.73, 3452.20)元,平均住院天数为(6.31±3.68)天。单因素分析结果显示:不同性别、年龄、地区、就诊医疗机构级别、医疗付款方式、患病季节、有无共患病的患儿住院费用差异具有统计学意义(P<0.05)。分位数回归模型结果显示:患儿住院天数、高GDP组地区和就诊医疗机构级别对住院费用有正向影响,且影响强度随着费用的升高而增强;有无共患其他疾病对高分位住院费用有负向影响;年龄、医疗付款方式、患病季节仅在特定的分位数点上具有显著影响(P<0.05);性别不是其影响因素(P>0.05)。结论 甘肃省轮状病毒腹泻患儿住院费用影响因素复杂。各级医疗机构应合理控制住院天数,优化医疗资源配置,完善医疗保险制度,进而降低患者经济负担。

基于分位数回归和通径分析的少数民族中老年流动人口健康状况影响因素研究

目的:了解我国少数民族中老年流动人口健康状况的影响因素,为有效开展针对这一人群的健康干预和改善其健康状况提供参考。方法:使用2017年中国流动人口动态监测调查数据库(CMDS)中2771例≥45岁的少数民族中老年流动人口相关数据,采用SPSS 26.0进行Mann-Whitney U检验和Kruskal-Wallis H检验,采用多重线性回归及分位数回归对健康状况的影响因素进行分析,并采用Amos24.0对健康状况的影响因素进行通径分析。结果:不健康者336人(12.1%),社会融合较差者1031人(37.2%),接受健康教育较差1563人(56.4%),有慢性病者534人(19.4%);健康与不健康者在性别、年龄、文化程度、婚姻状况、流动范围、流动时间、流动原因、社会融合、健康教育、慢性病患病等方面均存在统计学差异(P<0.05);多元logistic回归分析结果显示,流动时间、流动原因、社会融合较差、接受健康教育较差、有慢性病等因素显著影响研究对象的健康状况(P<0.05);分位数回归分析结果显示,流动时间、流动原因、社会融合情况、接受健康教育状况和慢性病患病情况在不同分位点均对健康状况产生了影响(P<0.05);通径分析结果显示,慢性病、健康教育和社会融合对少数民族中老年流动人口的健康状况直接产生作用,流动时间、流动原因对健康状况产生间接影响作用。结论:关注流动时间及原因对少数民族中老年流动人口健康状况的影响;多措并举提高其社会融合,以减少身心问题产生,使其更好融入流入地;关注少数民族中老年流动人口慢性病患病情况,加强对其的健康教育和健康管理服务,提升健康素养,改善健康状况。

基于稀疏分位数回归的阿尔茨海默病认知能力研究

阿尔茨海默病是全球老龄化社会所面临的一项重大公共卫生挑战,其主要临床症状之一为认知能力的逐步下降.建立认知表现和神经影像学数据之间的模型,识别与认知能力改变相关的影像学生物标志物,已成为阿尔茨海默病研究的重要课题之一.然而,脑部影像数据往往呈现高维、重尾分布并伴有异常值存在,这不仅降低了模型的准确性和稳定性,也对结果的解释提出挑战.本文采用稀疏分位数回归方法对阿尔茨海默病神经影像学计划数据库(ADNI)中的数据进行建模和特征选择,以克服上述问题.我们深入探究了认知得分在不同分位点下的分布特征,并成功地识别了与认知能力相关的特定脑区.实验结果表明,稀疏分位数回归方法在不同认知得分分位点下,均能准确识别出与认知能力相关的脑区.这一研究展示了将稀疏分位数回归方法应用于神经影像数据分析中的潜力,为神经影像学研究提供了全新的视角和方法.

部分线性变系数模型的贝叶斯分位数回归

针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

不同房价水平下各因素对其影响的差异性分析——基于分位数回归模型

文章采用分位数回归模型从需求类因素、供给类因素、宏观环境类因素与政策类因素四个方面,利用2003-2022年的数据,对影响房价的各因素进行研究。实证结果表明:在不同房价水平下各因素对其影响具有差异性,国内生产总值除对极高房价有正向影响外,对其余房价均为负向影响;购房者房价预期和居民消费价格指数对各个房价均有显著的正向影响;竣工面积对房价均有负向影响,且除极低房价外,其余房价均显著;股票价格和政策调控均对中等房价有显著的正向影响。最后文章从房地产调控要保证股市的稳定,做好房地产市场预期引导,灵活调整房地产调控政策等方面提出了相应的政策建议。

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

基于融合Lasso的非参数加性分位数回归模型

加性分位数回归为非线性关系的建模提供一种灵活、鲁棒的方法.拟合加性分位数模型的方法通常使用样条函数逼近分量,但需要先验的选择节点,计算速度较慢,并不适合大规模数据问题.因此文中提出基于融合Lasso的非参数加性分位数回归模型(Nonparametric Additive Quantile Regression Model Based on Fused Lasso,AQFL),是在融合Lasso罚和l_(2)罚之间折衷的可对加性分位数回归模型进行估计和变量选择的模型.融合Lasso罚使模型能快速计算,并在局部进行自适应,从而实现对所需分位数甚至极端分位数的预测.同时结合l_(2)罚,在高维数据中将对响应影响较小的协变量函数值压缩为零,实现变量的选择.此外,文中给出保证收敛到全局最优的块坐标ADMM算法(Block Coordinate Alternating Direction Method of Multipliers,BC-ADMM),证明AQFL的预测一致性.在合成数据和碎猪肉数据上的实验表明AQFL在预测准确性和鲁棒性等方面较优.

基于频谱注意力和无交叉联合分位数回归的海上风电功率超短期概率预测

海上风电功率波动性和随机性强,其时序数据既存在时间上的全局性关联,又包含大量局部的短期噪声;同时,现有概率预测模型普遍采用的分位数回归方法存在分位数交叉问题,严重影响了预测结果的精度与合理性。针对上述挑战,提出了一种基于频谱注意力和无交叉联合分位数回归的海上风电功率超短期概率预测方法。首先,结合长短期记忆网络(longshort-termmemory,LSTM)模型和频谱注意力模型,挖掘风电功率时序数据的全局长期依赖,并滤除局部噪声。其次,在此基础上构建了一种基于联合分位数回归的损失函数模型,通过共享各分位数预测任务间的信息,自主动态调节各分位数损失的权重,避免分位数交叉问题。最后通过真实算例分析表明,相比于现有概率预测模型,所提模型的锐度指标提升了6%以上,连续等级概率分数提高了10%以上,故具有更高的预测精度,并有效解决了分位数交叉问题。

分位数回归方法简介及其在医学研究领域中的应用

本文介绍了分位数回归方法的基本理论,并通过实例数据分析展示其在医学和公共卫生领域的应用,为相关研究提供方法学参考。实例基于美国健康和营养调查的横断面数据拟合分位数回归模型,探索睡眠时间和抑郁水平在不同抑郁水平分位数下的关联。方法揭示了抑郁程度越高的群体,其抑郁水平受睡眠时间的影响更大。该实例说明了分位数回归方法可以提供暴露和连续型结局之间的全面关联分析,并能识别出对暴露因素更敏感的亚组人群,可为该人群制定针对性的干预提供建议。该方法在医学和公共卫生研究中有很好的应用和推广价值。

部分线性变系数模型的贝叶斯复合分位数回归

部分线性变系数模型由参数和非参数2部分组成,具有适应范围广和解释性强双重优点。针对该模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归,并基于Gibbs抽样算法推导出所有未知参数的后验分布,以获取参数的估计值。通过数值模拟对贝叶斯复合分位数回归与贝叶斯分位数回归、贝叶斯线性回归参数估计效果进行比较分析,结果显示:当误差服从非正态分布时,在均方误差准则下,贝叶斯复合分位数回归估计表现更优。基于上述3种方法对实例数据进行预测分析,结果表明:在平均绝对偏差和均方误差预测意义下,基于贝叶斯复合分位数回归的预测效果更好。