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。

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.

基于机动车索赔频数的计数数据分位回归模型研究

作为半参数方法,分位回归模型对分布函数的要求更为宽松,所得结果更为稳健。将计数数据分位回归模型应用到保险公司10303个实际索赔数据中,并把所得结果与负二项分位回归所得结果进行对比。实证分析表明,分位回归模型与负二项分布回归模型所得到的估计结果不论是符号还是显著性都差别不大,但是分位回归模型较负二项分布回归模型估计所得的结果更加丰富,因此能够提供更多的信息。

加权复合分位数自回归模型在隧道围岩变形预测中的应用

提出加权复合分位数自回归模型对隧道围岩变形进行预测的新方法,并给出其原理和实现算法。以昆明市阳宗隧道为例,对加权复合分位数自回归预测模型进行计算,并与其他模型进行对比分析。结果表明,新方法预测效果优于非加权复合分位数估值的AR(2)模型、基于最小二乘参数估计的自回归预测、经遗传算法优化的支持向量机等预测方法。

基于分位数的混合地理加权回归模型的商品住宅价格空间分析——以哈尔滨市为例

首先,本文提出改进的GWR回归算法,将传统的GWR模型中的全局系数进行分位数回归计算,并对局部系数进行求解。选取哈尔滨市6个城区中1345个小区的二手房住宅价格的地理数据,从统计角度将本模型与传统的OLS和GWR模型进行比较,表明本算法可以深刻揭示商品住宅价格与影响因素之间的复杂关系,并在传统影响因素的基础上增加进户年份这一变量。其次,对商品住宅价格利用Arc Gis的地统计分析工具进行拟合,图示显示相邻区域的实际联系会形成虚拟空间的关联。研究表明,每增加或减少一个单位各要素点对住宅价格的影响大小依次为D(Distance)-公园、D-购物中心、D-地铁、D-河流、D-快速路、D-中学、D-三甲医院、D-高等学校、进户年份。

金砖国家人口城市化对碳排放的影响——分位数对分位数回归的新证据

为探索金砖国家城市化发展对环境退化带来的影响,本文基于1960—2020年金砖国家城市化率与人均二氧化碳排放量数据,运用分位数对分位数回归方法实证分析了人口城市化对碳排放的影响。研究结果表明:金砖国家人口城市化的不同分位数与各种碳排放分位数之间存在正负两种依赖关系,但正影响程度大于负影响程度,从而推动了金砖国家碳排放的持续增长。此外,金砖国家人口城市化对碳排放的积极影响在各自城市化进程的不同阶段也存在较大差异性。巴西由低等城市化水平阶段进入中等城市化水平阶段后增加了更多的碳排放,俄罗斯在进入高等城市化水平阶段后增加了更多的碳排放,印度在城市化初始阶段末期和进入加速阶段增加了更多的碳排放,中国在低等城市化水平阶段比在中等城市化水平阶段增加了更多的碳排放,南非在进入中等城市化水平阶段后增加了更多的碳排放。

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。

运用分位回归特征价格模型构建住房价格指数

文章采用上海市新建住房及二手住房交易数据,在特征价格模型的基础上,运用分位回归编制住房价格指数,并通过与OLS回归结果对比,验证其必要性及可行性。结果发现,不同层次的住房价格波动存在显著差异,房价上涨率从低端住房向高端住房递减,低分位点的房价指数波动更大。

面板数据的可加分位回归模型研究与应用

本文在贝叶斯分析的框架下讨论了面板数据的可加模型分位回归建模方法。首先通过低秩薄板惩罚样条展开和个体效应虚拟变量的引进将非参数模型转换为参数模型,然后在假定随机误差项服从非对称Laplace分布的基础上建立了贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,论文给出了所有待估参数的条件后验分布,并构造了待估参数的Gibbs抽样估计算法。计算机模拟仿真结果显示,新提出的方法相比于传统的可加模型均值回归方法在估计稳健性上明显占优。最后以消费支出面板数据为例研究了我国农村居民收入结构对消费支出的影响,发现对于农村居民来说,无论是高、中、低消费群体,工资性收入与经营净收入的增加对其消费支出的正向刺激作用更为明显。进一步,相比于高消费农村居民人群,低消费农村居民人群随着收入的增加消费支出上升速度较为缓慢。

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.

一个有效估计:半参数非时齐扩散模型的局部线性复合分位回归估计

主要研究半参数非时齐扩散模型的参数估计问题.基于非时齐扩散模型的离散观测样本,首先得到漂移参数的局部线性复合分位回归估计,并证明估计量的渐近偏差、渐近方差和渐近正态性.其次,讨论了带宽的选择和局部线性复合分位回归估计关于局部线性最小二乘估计的渐近相对效,所得到的局部估计较局部线性最小二乘估计更为有效.最后,通过模拟说明了局部线性复合分位回归估计比局部线性最小二乘估计的模拟效果更好.

缺失数据下的逆概率多重加权分位回归估计及其应用

数据缺失问题普遍存在于应用研究中。在随机缺失机制假定下,本文从模型推断角度出发,针对线性缺失分位回归模型,提出一种新的有效估计方法——逆概率多重加权(IPMW)估计。该方法是在逆概率加权(IPW)估计的基础上,结合倾向得分匹配及模型平均思想,经过多次估计,加权确定最终参数估计结果。该方法适用于响应变量是独立同分布或独立非同分布的情形,并适用于绝大多数数据缺失场景。经过理论推导及模拟研究发现,IPMW估计量在继承IPW估计量的优势上具有更稳健的性质。最后,将该方法应用于含有缺失数据的微观调查数据中,研究了经济较发达的准一线城市中等收入群体消费水平的影响因素,对比两种估计方法的估计结果,发现逆概率多重加权估计量的标准偏差更小,估计结果更稳健。

基于改进INFO-CNN-QRGRU模型的农村分布式光伏发电短期概率预测

随着“双碳”目标的推进,清洁能源所占比重大幅度增加,分布式光伏发电在我国农村地区快速发展,但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题,减少光伏发电的不稳定性对电网的冲击。因此,为提高光伏发电功率预测精度,提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择,在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型,将处理好的数据输入到CNN-GRU模型中,并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参,将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布,结合核密度估计法从条件分布中获得概率密度函数,完成概率预测。以实际光伏电站数据作为基础,将提出的INFO优化算法与其他几种传统的优化算法进行对比,结果表明INFO的优化效果更好,在此基础上进行概率预测,得到的概率预测结果相较于点预测能提供更多有效信息,更具有应用价值。

纵向数据缺失和辅助信息下分位数回归模型的估计

利用逆概率加权方法和经验似然方法,研究纵向数据缺失和辅助信息下的分位数回归模型的估计与推断问题。给出了线性分位数回归模型的参数估计及其渐近正态性,定义了分位数回归模型的加权经验似然估计;在一定条件下证明了所得估计的渐近正态性,建立了估计的渐近理论。通过数值实验说明了所得估计的有效性。

空间部分线性变系数模型的分位回归估计

文章针对空间数据统计与回归建模,提出空间部分线性变系数模型,并提出了一种基于二元惩罚样条的非参数逼近分位回归估计方法。该方法不仅可以有效地处理变系数部分复杂边界、不规则形状的空间区域划分和非参数函数的逼近,而且整体上展现出不同分位水平下的解释能力。同时,针对模型实现问题,还提出了基于交替方向乘子法(ADMM)的参数估计算法,数值模拟说明该方法的估计结果更加稳健、有效。

基于最小二乘与加权分位数回归法对比分析盈余管理在我国跨国公司中的应用

为了对比普通最小二乘法与加权分位数法的异同,并选择能够衡量我国跨国公司盈余管理程度的有效方法,按照跨国公司的定义,把2013年我国沪深两市上市公司分为跨国公司和非跨国公司两类,并在Jones模型的基础上,分别采用普通最小二乘法和加权分位数回归方法进行对比实证研究。结果显示,总资产是影响我国跨国公司盈余管理的重要因素。表明加权分位数回归的Jones模型能够作为衡量我国跨国公司盈余管理程度的有效方法。

基于支持向量机分位数回归的部分变系数动态模型的估计

本文研究部分变系数动态模型,一些参数的值可以成为协变量的函数,并提出了参数和非参数函数系数的估计。本文提出一个基于支持向量机分位数回归的部分变系数动态模型,及它的三步估计法和迭代加权最小二乘法估计模型的参数和非参数函数,提出的方法能被简单有效地应用到线性和非线性分位数回归光滑变量的高维情况。同时,本文也提出模型的惩罚参数、核参数的选择方法——交叉验证方法。

线性测量误差模型中复合分位数估计的随机加权方法

给出线性测量误差模型中随机加权复合分位数估计,用随机加权方法逼近复合分位数回归的分布,并证明这种逼近是以概率1渐近有效地。模拟研究以及艾滋病的临床试验数据验证了方法的有效性。

缺失数据下基于经验似然的加权复合分位数回归推断

针对协变量随机缺失的线性模型,提出一种基于经验似然的加权复合分位数回归推断方法,并证明了在数据随机缺失机制下该方法的大样本性质.结果表明,该方法计算简单,且对回归参数的估计效率高于逆概率加权法.

GARCH模型的二次加权复合分位数估计

基于复合分位数回归理论对GARCH模型提出更加稳健有效的二次加权复合分位数回归(BWCQR)估计,讨论了该估计权重的数值解及其大样本性质.数值模拟显示,当扰动项为厚尾分布时所提出的BWCQR估计明显优于传统的类极大似然(QMLE)估计、分位数回归(QR)估计和复合分位数回归(CQR)估计.应用BWCQR方法建立股指的波动率系统,进一步验证了BWCQR估计在实践意义下的竞争性.