- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
分位数回归和其实例
分位数回归及其实例
分位数回归的概念
分位数回归(Quantile Regression):是计量经济学的研究前沿方向之一,它利用解释变量的多个分位数(例如四分位、十分位、百分位等)来得到被解释变量的条件分布的相应的分位数方程。与传统的OLS只得到均值方程相比,它可以更详细地描述变量的统计分布。 传统的线性回归模型描述了因变量的条件分布受到自变量X的影响过程。普通最dx--乘法是估计回归系数的最基本的方法,它描述了自变量X对于因变量y的均值影响。如果模型中的随机扰动项来自均值为零而且同方差的分布,那么回归系数的最dx--乘估计为最佳线性无偏估计(BLUE);如果近一步随机扰动项服从正态分布,那么回归系数的最dx--乘法或极大似然估计为最小方差无偏估计(MⅥ甩)。但是在实际的经济生活中,这种假设常常不被满足,饲如数据出现尖峰或厚尾的分布、存在显著的异方差等情况,这时的最小二乘法估计将不再具有上述优良性且稳健性非常差。最小二乘回归假定自变量X只能影响因变量的条件分布的位置,但不能影响其分布的刻度或形状的任何其他方面。
为了弥补普通最dx--乘法(0Ls)在回归分析中的缺陷,Koenkel和Pxassett于1978年提出了分位数回归(Quantile Regression)的思想。它依据因变量的条件分位数对自变量X进行回归,这样得到了所有分位数下的回归模型。因此分位数回归相比普通最小二乘回归只能描述自变量X对于因变量y局部变化的影响而言,更能精确地描述自变量X对于因变量y的变化范围以及条件分布形状的影响。
分位数回归是对以古典条件均值模型为基础的最小二乘法的延伸,用多个分位函数来估计整体模型。中位数回归是分位数回归的特殊情况,用对称权重解决残差最小化问题,而其他的条件分位数回归则用非对称权重解决残差最小化。
一般线性回归模型可设定如下:
在满足高斯-马尔可夫假设前提下,可表示如下:
其中u为随机扰动项为待估解释变量系数。这是均值回归(OLS)模型表达式,类似于均值回归模型,也可以定义分位数回归模型如下:
对于分位数回归模型,则可采取线性规划法(LP)估计其最小加权绝对偏差,从而得到解释变量的回归系数,可表示??下:
求解得:
其中,
从参数的估计方法来看,一般线性回归模型的原理是使得被解释变量y与其拟合值之差(称作残差)的平方和最小,而分位数回归是使得这个残差的绝对值的一个表达式最小,这个表达式不可微,因此传统的求导方法不再适用,而是采用线性规划方法或单纯形算法。这也是它与一般线性回归最大的不同点之一。随着计算机技术的不断突破,上述算法可以很方便地由各种软件实现。现在主流统计、计量与科学计算软件SAS、STATA、EViews、MATLAB等中都可以加载分位数回归软件包。
分位数回归能够捕捉分布的尾部特征,当自变量对不同部分的因变量的分布产生不同的影响时.例如出现左偏或右偏的情况时。它能更加全面的刻画分布的特征,从而得到全面的分析,而且其分位数回归系数估计比OLS回归系数估计更稳健。近10多年来,分位数回归在国外得到了迅猛的发展及应用,其研究领域包括经济、医学、环境科学、生存分析以及动植物学等方面。
二、分位数回归的实例
下面举一个实例,关于我国地区经济增长收敛的分位数回归分析。 β-收敛的分位数回归分析。
绝对β-收敛的检验
分三阶段对中国经济增长的绝对收敛情况分位数回归方法进行分析。
表1 1978-2007年关于中国经济绝对收敛的OLS估计和分位数回归结果
变量分位数1978-19911992-20032004-20070.1-0.2448(-6.93***)0.1309(2.84*** )-0.1098(-6.15***)0.25-0.2711(-5.49***)0.1554(1.72*)-0.0482(-0.76)0.5-0.3253(-4.28***)0.1914(2.17**)-0.0386(-0.88)0.75-0.2301(-2.05**)0.1842( 1.55)-0.0497(-1.01)0.9-0.3854(-5.86***)0.2328(7.43***)-0.1067(-2.20**)OLS-0.2791(-4.06***)0.1727(2.96***)-0.0806(-2.59**)常数0.12.8573(12.75***)0.3483( 0.99 )1.4088(8.11***)0.253.0627(9.77***)0.2172(0.31)0.8984(1.54)0.53.4860(7.70***)0.0158(0.02)0.8556(2.08**)
文档评论(0)