比例响应数据的分位数回归建模

由于比例响应数据具有有界性、偏态性和异方差性等特征,基于常规的回归建模方法往往不尽人如意。本文基于分位数方法研究比例响应数据的回归建模及其统计推断问题,重点研究了半连续型比例数据的分位数估计方法,并给出了估计的大样本性质。数值模拟研究和实例分析验证了所提方法的有效性。     

生长曲线模型的分位数回归

生长曲线模型有着广泛的应用, 在经济学、生物学、医学等各个领域的研究都起着重要的作用. 已有文献关于生长曲线模型参数矩阵的估计基本上是使用最小二乘方法或极大似然方法. 使用最小二乘方法, 当误差项服从偏峰分布、厚尾分布、或者存在异常点时, 得出的估计不是有效的; 使用极大似然方法, 要求分布已知, 实际使用时很难满足这一点. 分位数回归能弥补如上这些缺陷, 所得估计具有很好的稳健性. 本文使用分位数回归方法给出生长曲线模型参数矩阵的估计, 及其渐近正态性.     

基于神经网络分位数回归的多期CVaR风险测度

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似然比检验,建立了多期CVaR风险测度返回测试评价准则。将该新方法应用于沪深300指数的多期CVaR风险测度,并将其与传统的测度方法进行了对比,返回测试结果表明:第一,该新方法具有较强的稳健性,各期平均绝对误差大小基本不变,特别适合于多期CVaR风险测度;第二,基于神经网络分位数回归的多期CVaR风险测度效果优于传统测度方法,表现为似然比检验拒绝次数最少和平均绝对误差最小。     

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交点估计问题提出两种新的估计方法...     

面板数据分位数回归模型的工具变量估计

针对含有内生变量的面板数据回归模型,提出基于工具变量的分位数回归估计方法.首先,通过引入工具变量解决协变量的内生性问题,然后利用分位数回归的方法对回归系数进行估计.在一些正则条件下,证明所提出估计的大样本性质,通过模拟研究证实该方法的有限样本性质.     

我国城乡居民收入影响因素研究——基于省际面板分位数回归分析

随着我国经济的快速发展,居民收入差距逐渐成为众多学者的研究热点之一。本文利用2002-2009年我国30各省市自治区的省际面板数据,运用面板固定效应变换分位数回归方法对影响我国城乡居民收入的影响因素进行了实证分析。研究结果表明,人均教育年限、人均积累资本、就业率以及居民收入结构等因素在城镇与农村问的作用效果有所不同,人均受教育年限在农村中的边际收益更高,就业率在城镇中影响显著,而居民的转移性和财产性收入在总收入中的比重的提高对在城乡间影响作用相反。     

基于Copula分位数回归原油期货市场套保模型及效率研究

伴随中国原油期货的上市,作为商品期货最大交易单品的原油期货,其套期保值功能必将成为新的研究热点。本文采用skew-t-GARCH(1,1)模型捕捉原油期现货收益率的"波动集聚"和"尖峰厚尾"特性,在此基础上通过构造Copula分位数套保模型研究不同原油市场状态下(牛市、熊市)的套保比率及效率。利用蒙特卡洛模拟对线性、Normal Copula及T-Copula分位数回归模型进行效率比较,并对英国Brent和美国WTI原油期货收益率进行实证研究,结果表明:①不同市场状态下,原油期货的最优套保比率具有非对称性;②T-Copula分位数回归模型的尾部套期保值效率更稳定。因此,利用原油期货进行规避风险时,要根据市场行情合理运用套期保值模型。     

基于分位数回归的国内黄金价格影响因素分析

利用分位数回归模型探讨了原油价格、道琼斯指数、美元汇率、上证指数和利率对国内黄金价格的影响.实证分析结果表明在不同分位数水平上各因素对黄金价格的影响不一样.分位数回归能够从历史数据中挖掘出更多的信息,更有利于投资者了解影响黄金价格波动的因素从而做出更好的决策.     

分层次人力资本与全要素生产率基于分位数回归的解析

首先在考虑到人力资本质量的基础上,利用1993-2008的我国30个地区面板数据基于Mamquist指数法测度了我国地区TFP值,然后运用分位数回归技术研究了异质性人力资本对TFP增长不同阶段的作用机制,回归结果表明非熟练劳动只在TFP增长的初级阶段产生正向显著的促进作用,当TFP增长到一定水平(80%分位数以上)抑制了TFP增长.熟练劳动资本从TFP增长的20%分位数处对发达地区产生显著正向拉动作用,而且这种作用一致增强,地区间技术差异从30%分位数处开始一致地对TFP增长产生显著正向推动用.     

人口老龄化与区域产业结构——基于分位数回归的实证研究

基于2005-2016年的省级面板数据,运用分位数回归实证分析了人口老龄化背景下,产业结构优化升级的影响因素.结果表明:全部样本的老年抚养比对产业结构优化升级的阻碍作用十分明显,东部对产业结构的影响不显著,中部的阻碍作用与全国趋势相反,西部的阻碍作用与全国趋势相同,具有明显的区域差异性;全部样本和东中西部的人均GDP都是正向推动产业结构合理化和高度化;全部样本和西部的政府行为对产业结构调整的抑制作用在增强,而东中部对产业结构调整的促进作用在增强;全部样本和东部的创新效率对产业结构调整有不断增强地推动作用,中部对产业结构调整的促进作用在减弱,而西部对产业结构调整的阻碍作用在增强.     

Fast Nonparametric Quantile Regression With Arbitrary Smoothing Methods

The calculation of nonparametric quantile regression curve estimates is often computationally intensive, as typically an expensive nonlinear optimization problem is involved. This article proposes a fast and easy-to-implement method for computing such estimates. The main idea is to approximate the costly nonlinear optimization by a sequence of well-studied penalized least squares-type nonparametric mean regression estimation problems. The new method can be paired with different nonparametric smoothing methods and can also be applied to higher dimensional settings. Therefore, it provides a unified framework for computing different types of nonparametric quantile regression estimates, and it also greatly broadens the scope of the applicability of quantile regression methodology. This wide applicability and the practical performance of the proposed method are illustrated with smoothing spline and wavelet curve estimators, for both uni- and bivariate settings. Results from numerical experiments suggest that estimates obtained from the proposed method are superior to many competitors. This article has supplementary material online.     

Modal Regression Based on Nonparametric Quantile Estimator

Modal regression based on nonparametric quantile estimator is given. Unlike the traditional mean and median regression, modal regression uses mode but not mean or median to represent the center of a conditional distribution, which helps the model to be more robust for outliers, asymmetric or heavy-taileddistribution. Most of solutions for modal regression are based on kernel estimation of density. This paper studies a new solution for modal regression by means of nonparametric quantile estimator. This method builds on the fact that the distribution function is the inverse of the quantile function, then the flexibility of nonparametric quantile estimator is utilized to improve the estimation of modal function. The simulations and application show that the new model outperforms the modal regression model via linear quantile function estimation.     

中国居民消费的特征分析——中基于两阶段面板分位回归

本文结合实际问题,提出一种两阶段面板数据分位回归方法,并使用该方法分析我国居民的消费特征。通过横向和纵向比较揭示三种不同收入人群的边际消费倾向的变化趋势。文章认为中等收入者的边际消费倾向趋于稳定,低收入者和高收入者的边际消费倾向都有上升的趋势。中国居民的边际消费倾向呈现"U"型,所以提高低收入者的消费不仅在于提高他们的收入,更重要的是缩小当前的贫富差距。     

基于动态调整的Copula-非线性分位数回归资产组合优化

为优化资产组合方案,考虑单资产分布的非对称性、异方差性、尖峰厚尾性等特征,资产之间的时变非线性相关性,建立了Copula-非线性分位数回归模型。本文的创新与特色,一是通过构建期望超额收益率与考虑动态损失厌恶效应的VaR比率函数,确定了目标函数的表达式,改变了使用超额收益率标准差度量风险,而实证研究中更关注资产的损失风险而非全部风险,未考虑投资者对于收益与损失非对称偏好的不足;二是通过建立基于支持向量机的非线性分位数回归模型,确定了边缘分布函数表达式,解决了普通模型无法处理非对称、非线性,依赖于分布假设的不足;三是通过构建混合Copula函数,确保能够有效捕捉金融市场中的尾部相关、非对称性,完善了刻画资产之间相关关系的模式;四是通过建立风险非线性叠加的资产总风险评价模型,确定了资产组合总风险的表达式,弥补了现有风险评价模型未考虑资产间的相关性的不足。实证结果表明,本文建立的模型预测性能高于其它模型,该模型有更高的VaR比率值,在单位风险下能够获得更高的资产组合效果。     

面板数据分位数回归模型求解的模式搜索法

本文应用最优化理论,对固定效应的面板数据分位数回归模型,提出一种模式搜索方法,此方法可以同时估计出所有分位点处的解释变量系数和所有个体的固定效应值。进一步利用蒙特卡洛模拟比较现有文献中涉及的面板数据分位数回归方法,结果显示无论误差项是否满足经典假设,模式搜索分位数回归法较之其他分位数回归估计方法更为有效.     

基于Monte Carlo模拟比较K近邻和局部线性分位数回归

局部线性分位数回归是目前比较流行的非参数分位数回归,其潜在假定待估函数线性光滑.K近邻分位数回归也是非参数分位数回归的重要组成部分,其具有不需待估函数光滑和不同分位点的回归曲线不相交等优点.通过Monte Carlo模拟,比较了两者的估计,得到当待估函数的跳跃点或突变点比较多时,K近邻分位数回归的拟合效果优于局部线性回归.其中模拟的函数是Blocks、Bumps和HeaviSine的函数,它们分别代表跳跃性、波动性、斜率突变性的函数.     

基于半参数分位数回归的居民个人收入研究

教育、性别、年龄、城乡、地区经济都是影响居民个人收入的重要因素,这些因素影响收入的作用方式是不同的,有的以参数形式存在,有的则是非参数形式存在.同时,这些因素在收入的不同分位点影响收入的程度也是不同的,通过构造半参数分位数回归模型,对影响收入诸因素的作用方式与程度进行了研究.     

Multiscale Exploratory Analysis of Regression Quantiles Using Quantile SiZer

The SiZer methodology proposed by Chaudhuri and Marron (1999) is a valuable tool for conducting exploratory data analysis. Since its inception different versions of SiZer have been proposed in the literature. Most of these SiZer variants are targeting the mean structure of the data, and are incapable of providing any information about the quantile composition of the data. To fill this need, this article proposes a quantile version of SiZer for the regression setting. By inspecting the SiZer maps produced by this new SiZer, real quantile structures hidden in a dataset can be more effectively revealed, while at the same time spurious features can be filtered out. The utility of this quantile SiZer is illustrated via applications to both real data and simulated examples. This article has supplementary material online.     

�����Ͳ������Ը��Ϸ�λ���ع�ģ�͵Ĺ���

This paper studies estimation in functional partial linear composite quantile regression model in which the dependent variable is related to both a function-valued random variable in linear form and a real-valued random variable in nonparametric form. The functional principal component analysis and regression splines are employed to estimate the slope function and the nonparametric function respectively, and the convergence rates of the estimators are obtained under some regularity conditions. Simulation studies and a real data example are presented for illustration of the performance of the proposed estimators.     

二元选择分位回归的自适应LASSO改进

为避免模型出现过拟合,将自适应LASSO变量选择方法引入二元选择分位回归模型,利用贝叶斯方法构建Gibbs抽样算法并在抽样中设置不影响预测结果的约束条件‖β‖=1以提高抽样值的稳定性.通过数值模拟,表明改进的模型有更为良好的参数估计效率、变量选择功能和分类能力.