能源效率影响因素分位研究——基于分位数空间自回归模型

本文将二氧化碳排放量纳入超效率DEA模型的非期望产出,测算我国各省市2007-2016年的全要素能源效率。运用分位数空间自回归模型,考虑能源效率空间影响的同时,分析不同分位点上能源消费结构、产业结构、环保进步和城镇化率对能源效率的影响。结果表明:邻省带来的空间影响对能源效率具有正向促进作用,且效率越高的省市更易受到邻省的影响;能源消费结构的不均衡对能源效率有显著的负影响,而产业结构优化、环保进步和城镇化发展均可有效提高能源效率,且各因素的影响程度随分位点的不同而变化,高效率省市的能源效率更易受能源消费结构和产业结构的影响,中高效率省市则对环保进步和城镇化率更为敏感。

创新价值链视角下高校科技创新对经济高质量发展的影响研究——基于面板分位数空间自回归模型

科技创新是经济高质量发展的不竭动力,作为科技创新体系的重要组成部分,高等院校科技创新肩负着重大历史使命。文章从创新价值链的视角出发,采用遗传算法-投影寻踪和面板分位数空间自回归模型,对高等院校科技创新对经济高质量发展的影响进行实证分析,结果表明:邻省带来的空间影响对经济高质量发展具有显著的正向作用,且随着经济高质量发展水平的提升,影响效果呈边际效应递减趋势;高等院校知识创新和科研创新对经济高质量发展的影响有显著的促进作用,均呈现倒V型变化,产品创新对经济高质量的影响有抑制作用;不同分位点下人口因素、金融深化、物流能力和信息化对经济高质量发展影响均存在变化。为进一步提升我国经济高质量发展水平,提出加强区域间沟通协作、完善高等院校科技创新制度支持等对策建议。

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。

分位数因子增广的分位数自回归分布滞后模型构建

因子增广回归是利用高维数据对宏观经济进行预测的重要方法。然而,均值回归框架下的因子模型和回归模型在面对异常值或厚尾分布时结果不够稳健。为此,文章在分位数回归框架下构建分位数因子增广分位数自回归分布滞后模型,该模型通过构建分位数因子模型对高维数据进行降维,提取不同分位点的公共因子;进一步,利用提取出的公共因子和响应变量的滞后项构建分位数自回归分布滞后模型。数值模拟结果表明,在数据出现异常值或厚尾分布的情境下,分位数因子分析估计的均值因子和非均值因子更稳健,分位数因子增广回归的预测性能优于因子增广回归的预测性能,且分位数因子增广分位数自回归分布滞后模型的预测性能优于基准模型。

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.

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。

多水平线性分位数回归增值评价模型估计精度的影响因素探析

随着教育评价改革的深入推进和增值评价实践的不断拓展,增值计算的科学性及估计精度问题日益受到重视。本研究以多水平线性分位数回归增值评价模型为研究对象,借助数据模拟的方法探讨了组间变异系数、群体内样本量(学生层面)及群体样本量(班级层面)三个因素对于增值评价模型估计精度的影响。研究主要得到以下两点结论:1)就学生增长百分位数估计而言,采用多水平分位数回归方法的误差较大,估计精度不稳定,组间变异系数会影响学生增长百分位数的估计精度,而群体内样本量、群体样本量均不会对其有显著影响;2)就群体增长百分位数估计而言,采用多水平分位数回归方法的误差很小,具有较优的估计精度,群体内样本量会影响群体增长百分位数的估计精度,而组间变异系数和群体样本量均不会对其有显著影响。

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。

基于复合分位数回归的部分线性模型平均估计

针对部分线性模型的参数与非参数估计问题,基于复合分位数回归提出了一种稳健的模型平均估计量.为了提高估计效率,采用B样条的方法拟合子模型中的非参数函数.数值模拟和仿真实验证明了所提出的估计量预测效果优良.

函数型分位数空间自回归模型及其应用

近年来空间自回归模型被广泛应用,然而它并没有考虑函数型自变量,在很多实际应用中,研究者可能会关注因变量的分位数情况,为此提出了函数型分位数空间自回归模型.首先利用函数型主成分分析方法估计非参数斜率函数,然后利用工具变量分位数回归方法估计参数.在一定的条件下,给出了参数和非参数估计的渐近性质.模拟研究表明工具变量分位数回归方法得到的估计可以减少估计的偏差,最后将模型应用到经济增长实际数据中得到所提出估计方法的良好表现.

考虑多前车位置及分位数速度差跟驰模型稳定性分析

为探究交通流特性对车辆跟驰行为的影响,基于分位数回归方法对跟驰模型进行改进,通过稳定性分析方法利用车头间距描述交通拥堵情况。根据分位数回归方法对模型中的优化速度函数进行改进,并将其应用于考虑多前车位置及速度差跟驰模型,使模型可以通过分位点的变换,在仿真过程中模拟不同驾驶风格的车辆。运用傅里叶变换理论推导出该模型的线性稳定性条件,并通过摄动法求得其修正Korteweg-de Vries(mKdV)方程的解,根据车头间距的扭结-反扭结解描述交通拥堵的变化情况。分析对比考虑不同因素的跟驰模型的稳定性临界曲线,为评估改进模型的有效性,搭建环形车道仿真平台并对改进模型进行数值实验。结果表明:在仿真实验中,随着分位点的增加,改进模型达到稳定状态的平均速度逐渐增加,车速分别为9.57、12.58、14.76 m/s;相比原模型,改进模型能够实现更少的位移波动,位移差最小为1.05 m;在混合模型实验中,随着激进驾驶风格车辆数量的增加,改进模型与多速度差模型相比,车队整体的平均速度达到12.42 m/s,位移波动能够达到稳定状态。

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。

投资者高频情绪对股市成交量的异质性影响研究——基于分位数向量自回归模型

从高频视角分析股市情绪效应的异质性特征及机理,对我国金融风险管控具有重要意义。本文借助文本分析法抓取网络舆情数据,构造日内投资者高频情绪指数,在分位数Granger因果关系检验的基础上,构建分位数向量自回归模型并进行脉冲响应分析,探究不同极性投资者高频情绪对不同市场状态下及不同分位水平股市成交量的异质性影响。结果表明:(1)不同极性投资者情绪对股市成交量影响具有异质性,悲观情绪对股市成交量的脉冲强度明显大于乐观情绪且衰减较慢;(2)投资者情绪对股市成交量的影响随市场状态的变化而不同;(3)在相同市场状态下,情绪对不同分位水平股市成交量的影响也存在差异,投资者情绪对股市成交量的下分位点脉冲强度显著大于上分位点,中位点最弱。

基于分位数回归模型的阔叶次生林单木胸高断面积生长研究

【目的】阔叶次生林是一种复杂的异龄复层林,林木的胸高断面积生长量决定了林分的林分质量和碳汇能力。本研究旨在探讨阔叶复层次生林胸高断面积年均生长量(BAI)受个体大小、试验林、林层等因素的影响。【方法】以赣南地区3个林分结构各异的阔叶次生林试验林为研究对象,根据树高及树种组成的差异,分别将3个试验林划分3个林层和6种经营类型,采用分位数回归模型,设19个分位数(τ∈{0.05,0.10,0.15,…,0.90,0.95}),建立了胸高断面积年均生长量与胸径(DBH_2021)、高径比(H_D_ratio)、林层、试验林类型、经营类型等之间的非线性回归关系,并采用了AIC、Rτ2、MAD、MD等指标评价各分位数回归模型。【结果】1)3个试验林之间的BAI差异显著,但同一试验林内作业样地和对照样地的BAI差异在统计上表现不显著;2)AIC值最低时的分位数回归模型为log(BAI)τ~log(DBH_2021)+DBH_2021+H_D_ratio,分位数τ=0.45时,BAI的分位数模型最优,此时BAI的最佳分位数回归模型的拟合系数Rτ2为0.5353,考虑林层、试验林类型、经营类型时,拟合系数又分别提高了10%,分别为0.6383(考虑林层、试验林类型)、0.6389(考虑林层、经营类型);3)log(DBH_2021)、H_D_ratio、林层、发育阶段、经营类型对BAI的影响都是正效应。【结论】基于胸径、高径比、林层、试验林类型、经营类型构建的单木胸高断面积生长分位数模型可为阔叶次生林的提质增效技术提供量化依据。

不同MMSE评分下阿尔兹海默病发病风险因素的贝叶斯分位数回归联合模型分析

目的:探讨校正简易精神状态检查(MMSE)评分轨迹后的阿尔兹海默病(AD)发病风险影响因素,阐明不同MMSE评分人群AD发病的风险因素。方法:基于AD神经成像计划数据库收集2005—2016年的随访数据,经筛选后最终纳入425名随访者的随访数据,采用LASSO方法对变量进行筛选;采用贝叶斯分位数回归模型分析MMSE评分在不同分位数上的影响因素,采用Cox模型和贝叶斯分位数回归联合模型方法分析影响AD发病的主要风险因素。结果:经筛选后,纳入的变量包括白蛋白、总胆固醇和血糖浓度等10个变量。贝叶斯分位数回归联合模型的纵向子模型分析,在MMSE评分的不同分位数处,影响MMSE评分轨迹变化的因素相同,均为白蛋白、血糖浓度、年龄、性别、载脂蛋白E4 (APOE4)基因、种族和教育评分。联合模型的Cox回归子模型分析,种族和APOE4基因在所有分位数上均对AD发病有影响,其中APOE4基因在4个分位数上的风险比分别为2.188 (95%CI:1.775,2.620)、1.751 (95%CI:1.422,2.042)、1.706 (95%CI:1.391,2.102)和2.056 (95%CI:1.439,3.206)。总胆固醇水平和家族史仅在部分分位数上对AD发病有影响。结论:不同MMSE评分分布的人群,AD发病的风险因素不同,影响程度也有差异。有APOE4基因和白种人在不同分位数上均是AD发病的风险因素,总胆固醇水平和家族史仅在部分分位数上是AD发病的风险因素。

基于支持向量回归和分位数的雷达K分布海杂波形状参数估计方法

针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题,该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值,根据K分布的累积分布函数计算样本分位数比值及其对数,然后建立以样本分位数比值对数为输入、待估计形状参数为输出的SVR模型,通过交叉验证确定SVR模型的超参数,最后训练SVR模型实现对K分布海杂波形状参数的稳健精确估计。仿真和实测雷达数据表明,所提方法的估计误差低于基于矩的估计方法的估计误差,并且与基于分位数的估计方法具有相近估计性能。此外,相比已有基于分位数的方法,所提方法的超参数容易确定,并且不依赖于查表。

家庭农场对农业保险需求的影响因素分析——基于SYS-GMM和分位数回归模型

基于面板数据构建SYS-GMM模型、分位数回归模型,系统分析了家庭农场对农业保险需求的影响因素,结果显示:(1)核心解释变量中,保险理赔(X_(1))、农业补贴(X_(2))显著正向影响家庭农场农业保险需求,且保险理赔的系数>农业补贴的系数,说明保险理赔对家庭农场农业保险需求影响程度大于农业补贴。控制变量中,农场主性别(Z_(1))、受教育程度(Z_(3))、是否与龙头企业联系(Z_(5))、产业结构(Z_(9))显著正向影响家庭农场农业保险需求;农场主年龄(Z_(2))、经营面积(Z_(4))、是否加入合作社(Z_(6))、农业受灾面积(Z_(7))负向影响家庭农场农业保险需求,但不显著。(2)保险理赔在10%、25%、50%、75%、90%分位点上均提升了家庭农场对农业保险的需求,农业补贴在10%、25%、50%、75%分位点上均提升了家庭农场对农业保险的需求,在90%分位点上抑制了家庭农场对农业保险的需求,且不同分位条件下其影响效应差异较大。(3)“农业理赔(X_(1))×经营年限(Z_(10))”“农业补贴(X_(2))×薪资水平(Z_(11))”“农业补贴(X_(2))×典型农场比例(Z_(12))”3个交乘项的系数均具有显著性,说明经营年限长的家庭农场通过较多的理赔经历增强了自然风险防范意识,农业保险需求高;农业补贴通过影响农民可支配收入进而影响其农业保险投保支出;典型家庭农场能得到更多的农业补贴,因此农业保险支付力度也更强。

基于纵向数部分线性模型的分位数模型平均

本文针对纵向数据部分线性回归模型中的参数估计与非参数估计问题,基于分位数回归估计方法提出了一种稳健的模型平均估计量。为了提高估计效率,采用工作相关矩阵分解和估计方程平滑法处理纵向数据的组内相关性,并通过局部线性估计方法处理模型的非参数部分,给出了模型参数与非参数估计的Newton-Raphson迭代算法。数值模拟表明,新的估计方法具有良好的估计性能。将新估计方法应用到空气质量数据的预测分析中,证明了该方法在实际应用中也具有可行性。