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.

面板数据复合分位数回归模型的估计

文章针对面板数据复合分位数回归模型,提出了模型中回归系数的估计方法。首先通过乘一个幂等矩阵消除个体固定效应的影响,避免了估计个体固定效应项;然后利用复合分位数回归方法估计回归系数。在一些正则条件下,证明了复合分位数回归估计的渐近性质。

基于复合分位数回归的最小二乘模型平均

在所有预测候选模型都可能是错误指定的情况下,提出了一种稳健的复合分位数回归模型平均方法.在一定正则条件下,证明了该方法不受回归变量排序问题的影响,且该方法具有渐近最优性.仿真结果验证了该方法的优良性.

基于贝叶斯复合分位数回归的参数估计及应用

针对传统最小二乘估计易受异常点干扰及稳健性较差的问题,建立了基于复合分位数回归估计的数据拟合预测模型。为了克服复合分位数回归在估计参数时忽视了参数的不确定性,致使估算出的参数精度不够高的缺点,将贝叶斯分析法与复合分位数回归相结合,提高了参数的估算精度。实证分析表明贝叶斯复合分位数回归估计优于复合分位数回归估计,而复合分位数回归估计优于传统最小二乘估计,值得工程技术人员借鉴。

随机效应模型的复合分位数回归估计

在纵向数据处理中,随机效应模型是使用频率非常高的模型之一。本文主要采用复合分位数回归估计的方法,在对其参数进行估计的同时,证明了此估计渐近正态性。经模拟研究,比对了中位数回归估计、传统最小二乘估计和复合分位数回归估计三种估计的精度,模拟结果显示,在样本有限的情况下,本文所提出的方法对随机效应模型的参数估计是有效的,尤其当模型误差项不遵循高斯分布时,复合分位数回归估计的实用性是明显的。

基于遗传算法的复合分位数回归在沉降数据处理中的应用

针对传统最小二乘法估算模型参数精度不高的问题,采用了复合分位数回归参数估计法,并用遗传算法完成相关计算,建立了三次多项式的沉降数据预测模型。实证分析表明复合分位数具有很强的稳健性和参数估计的稳定性,所得模型预测能力强、精确度高。

基于分位数回归的工资差异影响因素研究

改革开放以来,随着经济的持续增长,居民收入水平的迅速提高,1978～2007年,我国人均GDP从381元增长到1.86万元,城镇居民人均可支配收入和农村居民人均纯收入分别增长了7.1倍和5.3倍。而工资作为居民收入的重要来源,其差异的影响因素一直是国内外学者研究的热点问题之一。

考虑均值无法解释的其他方法:分位数回归在卫生服务研究中的应用(英文)

1.Introduction Health services and health economics research articles commonly use multivariate regression techniques to measure the relationship of health service utilization and health outcomes (the outcomes of interest) with clinical characteristics, sociodemographic factors,

复合分位数下门限自回归模型的变点估计

金融领域中的突发事件是变点问题的一种体现,往往由于其随机性和发生前信息量不足等因素造成突发事件难以识别和预测.金融市场常常表现出非线性和异质性等特征,门限分位数自回归模型作为金融领域变点问题研究的重要模型,逐渐在经济和统计学界获得更多的关注.本文结合不同的分位数对门限分位数自回归模型中的变点估计问题提出两种新的估计方法:门限自回归分位数复合估计和分位数平均估计.在一些实际数据分析中,研究发现在不同分位数水平下门限分位数自回归模型中的变点非常接近.基于变点的这种共同性,首先通过最小化不同分位数下的联合损失函数得到更有效的复合变点估计,并进一步推导复合变点估计量的渐近性质,以及基于似然比和自助法构建所提出估计量的置信区间.其次,通过对不同分位数下的变点估计量求平均提出另一种复合分位数估计方法,即门限分位数平均估计,并给出相应的大样本性质.数值模拟研究发现,相比传统的门限最小二乘估计和分位数估计,所提出的两种方法在有限样本条件下更加有效.最后,分析2005–2014年上证A股指数展示所提出方法的实际应用表现.

部分线性单指标模型的复合分位数回归及变量选择

本文提出复合最小化平均分位数损失估计方法 (composite minimizing average check loss estimation,CMACLE)用于实现部分线性单指标模型(partial linear single-index models,PLSIM)的复合分位数回归(composite quantile regression,CQR).首先基于高维核函数构造参数部分的复合分位数回归意义下的相合估计,在此相合估计的基础上,通过采用指标核函数进一步得到参数和非参数函数的可达最优收敛速度的估计,并建立所得估计的渐近正态性,比较PLSIM的CQR估计和最小平均方差估计(MAVE)的相对渐近效率.进一步地,本文提出CQR框架下PLSIM的变量选择方法,证明所提变量选择方法的oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现,证实了所提方法的优良性.