两维异质性面板分位数模型的双惩罚回归方法

文章关注系数具有两维异质性结构的面板分位数模型,基于SCAD惩罚函数和MCP惩罚函数提出双惩罚最小加权绝对偏差目标函数,同时进行参数估计和两维异质性结构识别。利用ADMM算法求解目标函数,并使用BIC信息准则通过网格搜索选择最优调节参数。根据蒙特卡洛模拟结果验证了所提方法的有限样本性质,最后使用实际数据检验了其应用效果。研究结果表明:所提出的方法能够准确识别两维异质性结构,并且Post估计量的参数估计精确度接近于Oracle估计量。

知识产权保护对数字贸易发展的影响研究——基于动态面板数据模型和门槛回归模型

数字贸易的发展为构建“双循环”新发展格局提供强大动力,知识产权保护是数字贸易高质量发展的重要保障。首先,本文构建指标体系并综合运用熵值法和模糊层次分析法对我国省域数字贸易发展水平和知识产权保护水平进行测度。然后,使用动态面板数据模型和门槛回归模型实证分析了知识产权保护对数字贸易发展影响。研究结果表明:知识产权保护能够促进数字贸易发展,且这种促进作用以教育水平为门槛变量呈现非线性特征,即当教育水平高于一定的门槛值时,知识产权保护对数字贸易发展的促进作用更强。基于此,本文提出了加强知识产权保护,加大各地区教育投入力度,不断加强完善数字信息基础建设等建议。

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。

交互效应面板分位数回归模型的迭代估计

文章基于创新性交互效应面板分位数模型的设定,提出了一种新的迭代算法,蒙特卡洛模拟结果表明,与其他估计方法相比,该迭代算法有更好的有限样本性质,偏误较低且方差较小。由于个体效应及交互效应均允许与自变量相关,个体与时间的异质性得以更加灵活地表达,因此使模型具有更强的适用性。最后,将模型应用于我国房价的实证分析,并用迭代算法来对参数进行估计,回归结果表明,房价决定因素的效应存在异质性,且高房价地区的房价主要受到投资的影响,而低房价地区的房价的关键影响因素为人民生活水平和经济发展水平。

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。

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.

基于面板分位数回归的中国海洋渔业碳汇影响因素研究

当前,全球气候变化问题日趋严峻,碳汇渔业作为海洋渔业的重要组成部分不再仅仅是经济活动,而且是有益于环境的生态活动。以往关于海洋渔业碳汇影响因素研究大多是基于均值回归,忽视了不同分位点之间可能存在的异质效应。据此,本研究基于2006~2020年我国9个沿海省份的省际面板数据,采用物质量评估法测算不同地区的海水养殖碳汇量,使用面板分位数回归模型对我国海洋渔业碳汇的影响因素进行实证分析。研究发现海洋渔业碳汇的各影响因素对不同分位点的碳汇量表现出一致性和差异性,三个指标体系中,技术推广、渔业的产值比重和相对湿度是最主要的影响因素。据此,本研究建议充分利用各地区海洋碳汇渔业发展优势,弥补短板,重视区域协调问题,以促进海洋渔业高质量、均衡发展。

基于面板分位数回归的中国碳排放影响因素分析

利用2000-2019年中国的历史面板数据,建立分位数回归法探究了对外贸易水平、城镇化水平、产业结构升级和环境规制对中国碳排放的影响。实证研究发现,对外贸易和城镇化水平与碳排放量呈现正相关,而产业结构升级和环境规制与碳排放量呈现负相关。

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。

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。

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。

删失部分线性可加模型的复合分位数回归及应用

本文针对一种具有广泛适用性的半参数模型,部分线性可加模型,研究其响应变量存在删失数据时模型系数和非参数函数的估计.对此,提出了一种基于数据增广的复合分位数回归估计方法.该方法利用分位数回归和分布函数之间的联系,构造插补数据集,并通过迭代采用复合分位数回归得到最终的估计值.所提方法放宽了对模型的假设,不但对迭代初始值的要求很低,还允许响应变量同时存在多种类型的删失,具有一定的普适性.数值模拟表明所提方法可以较为准确地估计出删失部分线性可加模型的系数和非参数函数.实证研究中,本文选取了北京市空气质量数据,测度了PM10浓度、CO浓度、温度、气压以及露点对PM2.5浓度的影响.结果显示,部分线性可加模型的复合分位数回归可以较好地从线性和非线性关系两个角度来刻画这些因素对PM2.5浓度的影响,并且所提方法在删失数据的处理上表现良好.

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。