基于分位数回归的升船机变形监控模型构建方法

为深入分析升船机变形影响因素,提出了一种基于分位数回归的升船机变形监控模型构建方法。该方法根据升船机的结构特点,将温度、前期上游水位均值等因素引入候选影响因子集,采用自适应弹性网络分位数回归对影响因子进行筛选,建立各分位数下的回归模型,并根据拟合的良好性和检验的有效性原则选出最优的升船机变形监控模型。实例验证结果表明:相对于常规的逐步回归模型,本文方法构建的最优模型的预测精度波动性小,具有较强的稳定性,同时具有良好的长期预测能力。

估计极端行为模型:分位数回归方法及其实现与应用

在许多社会和管理研究中,研究者通常很感兴趣不同于期望或平均的极端行为的理论解释。这些特殊个案所包含的信息往往是研究的创新点和解决某些问题的突破口,但传统的最小平方法与最小一乘法并不适宜于这类研究问题的解决。本文讨论一种估计极端行为的理想模型:分位数回归。本文在对分位数回归的国内外研究现状进行综述后,介绍了分位数回归的模型和实现方法,并将它与最小平方法、最小一乘法进行了比较。最后探讨它在我国管理研究领域的应用方式和有关条件。

物流业对我国区域经济增长的影响分析——基于面板分位数回归方法

在“一带一路”战略实施的宏观经济背景下,物流业对区域经济增长的作用值得作深入研究。本文运用1998~2012年中国31个省区面板数据,利用分位数回归方法研究物流业对我国区域经济增长的影响差异。实证结果显示,物流业对我国区域经济增长影响显著,但在不同的分位数水平下,增长效应存在显著差异。物流业对东部地区经济位于低分位点的省份的贡献较大,而对于中部地区经济处在高分位点省份的经济贡献较大,对西部地区经济整体带动作用最显著。

分位数回归中的样本约束——基于蒙特卡洛方法

文章用蒙特卡洛方法通过生成满足条件的随机数研究了分位数回归对样本的要求。结果显示:在分位数回归中能否得出各分位点的显著性检验报告与样本数据总体的方差大小无关,只与样本容量有关。进一步,当每个变量的样本容量￡41时,用该组数据进行分位数回归估计时,不能给出所有分位点的显著性检验报告;而当样本容量>41时,该组数据的分位数回归能给出所有分位点的显著性检验报告。

基于分位数回归的幂多项式在数据分析中的应用

针对路基沉降与观测时间存在非线性关系,且传统最小二乘参数估计精度不高的问题,建立具有较强逼近能力的幂多项式路基沉降预测模型,并用分位数回归估算模型系数。工程实例表明,基于分位数回归估计的幂多项式预测模型具有较高的精确度,优于最小二乘估计的幂多项式预测模型和多变量灰色预测模型,为沉降预测提供一种新方法。

基于Maximin方法的异质性数据分位数回归模型研究

针对具有多个来源的异质性数据,本文借鉴均值回归模型的Maximin估计思想,提出了分位数回归的Maximin估计方法,并给出其数学表示、参数估计、模型检验与预测方法。该方法通过最大化所有来源数据可解释残差的最小值,构建一个凸显所有来源数据共性的简单模型,以减少数据来源较多而呈现的复杂性。数值模拟结果显示,相比于传统的分位数回归模型,分位数回归的Maximin估计方法具有较高的预测精度。并将其应用于PM2.5的条件密度预测,结果显示PM2.5的条件密度预测呈右偏尖峰分布,预测其众数可能更为有效。

基于分位数回归的VaR方法及其发展文献综述

在金融投资领域中,VaR已经成为了衡量金融风险的一种重要工具。从Va R的定义可知,其本身就是一个分位数,因此利用分位数回归估计VaR具有特定优势。且分位数回归无需正态分布的假设,也不需要设定分布的参数,这些优点非常适合现实中尖峰厚尾的金融数据。本文主要总结了VaR方法的后期发展(CAViaR模型),并针对与分位数回归相结合的实际应用进行综述。

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,

分位数回归在宜昌市带状疱疹就诊费用及其影响因素研究中的应用

目的结合宜昌市带状疱疹就诊费用及其影响因素的应用实例来介绍分位数回归分析方法。方法选取2018-2019年宜昌市健康管理大数据中心关于带状疱疹的数据,采用多因素分位数回归,分析不同分位数回归下的偏回归系数。结果应用实例结果发现,不同分位数下针对带状疱疹就诊费用的影响因素的作用,同时也影响了不同分位数下在控制了其他因素影响后的就诊费用不同:性别对带状疱疹就诊费用在0.1~0.9百分位数上均没有统计学意义;就诊年份在回归曲线之下能够包含40%的数据点的时候,2019年就诊费用高于2018年的就诊费用;但是在回归曲线之下能够包含80%的数据点的时候,2019年就诊费用低于2018年的就诊费用。对于就诊机构对带状疱疹就诊费用的影响在0.3至0.9百分位数上均有统计学意义,而且整体呈上升趋势,只有在0.9百分位数上有所回落。结论不同分位数下影响因素作用大小不同,同时也导致了不同分位数下控制了其他因素影响后的就诊费用不同。读者通过该应用实例对分位数回归分析方法有所了解,并能在以后的科研工作中正确选用分位数回归模型,提高数据统计分析水平。

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。

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。

基于分位数回归的特质风险与股票收益关系再考察

文章利用Fama-French三因子模型和Carhart四因子模型对我国沪深两市A股股票的特质波动率进行测算,采用分位数回归方法对股票横截面收益率与特质波动率之间的关系进行了定量考察。研究表明,横截面收益与特质风险的关系具有时变性,在低分位点,横截面收益率与特质波动率之间的关系较为微弱;而在高分位点,横截面收益率与特质波动率之间呈现强劲的正相关关系。这表明,我国A股股票的横截面收益与其特质风险之间的关系具有异质性,"特质波动率之谜"仅存在于收益率较低的股票中。

基于分位数回归森林+POT的极端VaR风险测度

非参数形式的分位数回归方法在测度VaR风险方面已经取得了长足的进展,但是在测度极端VaR风险方面仍存在精度不高的问题。因此,文章结合分位数回归森林(QRF)和极值理论方法(POT)的优势,提出了QRF+POT方法来测度极端VaR风险。一方面,采用分位数回归森林来测度VaR风险的非线性结构,另一方面,使用POT方法来处理极端尾部数据。以上证综指等四支股票指数为研究对象,比较分析了QRF+POT方法与其他方法测度极端VaR风险的效果,结果表明:第一,QRF方法能够精确测度正常分位点的VaR风险,但难以精确测度极端VaR风险;第二,QRF+POT方法能够有效刻画股市暴跌期间的极端风险,获得极端VaR风险的精确测度。

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。

分位数回归在大坝变形监测中的应用

研究了基于分位数回归的大坝变形监测预测模型,并结合实例进行分析和预报,通过与多项式模型及指数平滑法的拟合精度和预测结果的比较,证明分位数回归法有很好的拟合效果和预测精度,可以很好地应用于大坝变形监测的数据处理中.

基于分位数回归的样条函数法拟合国债利率期限结构

通过引入分位数回归的方法,用多项式样条拟合上交所国债市场的利率期限结构,获得了一个稳健的估计,并有效地识别出错误定价的债券。

分位数自回归变点模型的贝叶斯分析及应用

文章使用贝叶斯方法对分位数自回归模型系数的变点问题进行分析。基于对分位数回归模型的Gibbs抽样方法的研究,给出了变点模型参数的满条件分布以及MCMC抽样算法。仿真结果表明,所得到变点时刻的MCMC抽样链条有很好的收敛性。使用分位数自回归变点模型对中小板综合指数极差数据进行实证分析,结果表明了数据的波动具有非对称性,在较低分位数上波动的滞后性要弱于高分位数。在不同分位数上得到的变点时刻的估计,与该时间段中小板市场波动的实际表现相一致。

部分线性可加分位数回归模型的NG估计量

文章将NG(Nonnegative Garrote)方法应用到部分线性可加分位数回归模型。首先应用B-样条基函数对非参数函数部分进行逼近,将部分线性分位数回归模型转化为"线性分位数回归模型",然后基于分位数回归模型的Mallows-型的信息准则,提出了"线性分位数回归模型"基于Mallows-型的信息准则的NG估计量;蒙特卡洛模拟证明了所提出的NG估计量表现良好。最后,将NG估计量应用到实际例子的分析中,结果显示变量选择效果较好。

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。

基于多带宽局部多项式的时空地理加权分位数回归分析

在高斯-马尔可夫假设条件下,最小二乘估计是具有最小方差的最优线性无偏估计量,因此基于最小二乘估计的时空地理加权回归方法在满足此假设时可以获得最优估计,但现实中这些条件有时得不到满足。如果样本数据中存在异常值或者呈厚尾分布,最小二乘回归模型估计值可能会存在较大偏误。而分位数回归受异常值影响较小,相比最小二乘回归更为稳健且应用条件相对更为宽松。更为重要的是最小二乘回归模型只能探索解释变量对响应变量条件均值的影响,而分位数回归可以探索解释变量对响应变量分布的影响(如响应变量的多个分位数),可以挖掘到更为丰富的信息。本文在局部多项式估计原理基础上,提出了基于多带宽局部多项式的时空地理加权分位数回归模型,利用两步迭代估计方法得到系数估计,并且允许不同自变量(影响因素)的最优带宽可以不同。本文通过数值模拟,将该模型与时空地理加权最小二乘回归进行对比,基于分位数回归的系数估计的均方误差和平均绝对误差均比最小二乘估计量小(例如,在0.75分位数,基于最小二乘回归得到的系数估计的均方误差和平均绝对误差分别是基于分位数回归的10倍和4倍),说明本文的分位数回归具有稳健性且可以探索影响响应变量分布的因素。最后以上海市2017—2021年商品房住宅小区为案例对象,应用该方法,探究不同影响因素对不同分位数的住宅价格(如高位房价、中等房价、低位房价)的影响,说明了本文方法的实用性。实际数据研究表明同一个影响因素对不同水平房价的影响效果不同,即同一影响因素系数的时间分布和空间分布在高位房价、中等房价和低位房价存在明显差异,并且不同影响因素的最优带宽也存在差异;与基于最小二乘回归的MGTWR相比,本文的分位数回归模型对于异常值的存在更为稳健(删除1%极端值后基于分位数回归模型拟合的平均绝对误差的变化比基于最小二乘回归模型小1%),并且分位数回归模型可以探究多个水平房价如高位房价、中等房价和低位房价的影响因素。