广义分位数的渐近性质

Bellini等人提出了广义分位数并研究了其基本性质，特别针对重尾分布分析了期望分位数与一般分位数的渐近关系.本文在假设广义分位数为正规变化函数的基础上，研究广义分位数与一般分位数的渐近关系.     

中国电力消费影响因素权重的分位数回归研究

通过加权最小二乘法(WLS)和分位数(QR)回归比较性研究电力能源消费影响因素的影响权重,分位数回归技术则更能详尽阐明不同消费需求下各影响权重的变化:电价、能源效率改进、消费支出能力、电力价格体制改革、人口与电力消费需求之间存在长期均衡的关系,并通过多重验证指标验证模型和结果的合理性;能源效率改进和电价控制是影响电力能源消费的2个重要因素,在不同分位数上各个因素影响权重存在差异;特别发现"高人口增长率并不必然伴随高电力消费需求量"。并提出不同分位数下相关政策建议。     

分位数定义和性质的注记

本文讨论了数理统计中分位数的定义,研究了分位数一些性质,这些性质对数理统计中各类分布的分位数表构造具有重要作用,最后介绍了性质的简单应用.     

分位数回归方法综述

分位数回归模型作为普通线性回归模型的推广,拥有着独特的优越性,在其广泛应用中得到了更加丰富及有价值的结果。本文比较了分位数回归和普通线性回归的优缺点,并介绍了分位数回归在多个学科领域中的应用以及其理论发展分支。     

基于分位数回归的企业债信用风险研究

将非参数GARCH模型的方差方程取对数变换后所得的模型用于估计企业债利差波动率。针对模型误差的非对称性，利用更为稳健的分位数回归方法估计改进后的非参数可加GARCH模型。实证分析结果表明，改进后的模型对波动率的估计更为有效；分位数回归方法比最小二乘回归方法能更有效的克服模型误差的非正态影响，对异常值的敏感程度更低，是一种非常稳健的估计方法。     

基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

基于分位数回归的辽宁省R&D经费投入影响因素的动态研究

根据理论研究,从宏观、中观、微观3个层次指出国家经济发展水平、政府科技投入、产业结构、国际贸易、外商直接投资、知识积累及人力资本积累是影响我国R&D经费投入的重要因素。利用逐步回归方法对影响辽宁省R&D投入因素进行了筛选,得出经济发展水平、政府科技投入和产业结构是影响辽宁省科技投入的主要因素,然后利用分位数回归模型对辽宁省R&D投入在不同分位点上各影响因素的作用进行了详细的研究,发现政府科技投入的影响较稳定,产业结构对其影响在逐渐增大,最后在此基础上提出了提高辽宁省R&D投入的相关政策建议。     

基于线性分位数组合的兴安落叶松冠幅预测

【目的】 使用线性分位数回归和分位数组合对兴安落叶松(Larix gmelinii)冠幅进行建模和预测,为准确模拟和预测冠幅生长提供技术支持。【方法】 利用大兴安岭兴安落叶松天然林实测数据,采用线性回归和分位数回归构建基础和多元冠幅模型。比较7种分位数组合:三分位数组合(τ=0.1, 0.5, 0.9和τ=0.3, 0.5, 0.7)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9和τ=0.3,0.4,0.5,0.6,0.7)、七分位数组合(τ=0.1,0.2,0.3,0.5,0.7,0.8,0.9和τ=0.1,0.3,0.4,0.5,0.6,0.7,0.9)和九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)的预测效果。分析4种抽取方案(随机抽样、选择最大树、平均木、最小树)和9种抽样数量(1~9株)对预测精度的影响。同时使用K折交叉验证对线性回归、最优分位数回归和最优分位数组合进行比较。【结果】 线性和分位数回归都能对冠幅模型进行拟合,中位数回归的拟合结果与线性回归相似,且在所有分位数中拟合能力最好。多元冠幅模型和分位数回归的拟合及检验效果都优于基础模型,冠幅与胸径和样地平均高(立地质量)呈正相关,与枝下高(树木大小)和样地内落叶松断面积(竞争)呈负相关。使用分位数组合可以提高模型的预测能力,7种分位数组合的差异很小,三分位数组合(τ=0.3, 0.5, 0.7)的预测能力最好。对于基础和多元分位数组合在实际应用时,最优抽取方案都为选取最大树,每个样地建议选取6株样木。【结论】 基于线性分位数组合的冠幅模型可以提高预测精度,建议使用三分位数组合和选取最大树及抽取数量为6株的方案对冠幅进行预测。     

分位数回归理论及其应用

介绍了分位数回归的概念、拟合优度、置信区间,并将分位数回归方法应用到肺活量的研究中.结果表明,体重在肺活量分布上的变化趋势是递减的,呼吸差在肺活量分布上的变化趋势是递增的,而在肺活量分布的中端,胸围的影响较强.     

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。     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

基于分位数回归模型的资产价格泡沫对市场风险的影响

资产"泡沫"是指资产的市场价格对其基础价值的偏离.泡沫的存在会改变投资者预期,助推资产价格上涨,使投资者低估风险,危及市场稳定运行.在度量沪深股票市场中的泡沫程度的基础上,应用分位数回归模型研究了泡沫对市场风险的影响.得出以下结论:泡沫与市场风险存在相关关系,泡沫越大市场风险越大,且泡沫对长期风险的影响比短期风险更大.市场风险受到短期泡沫和长期泡沫的共同影响.泡沫在短期内助推资产价格上涨,使短期内市场风险下降;而长期来看,泡沫破裂可能性增大,市场风险增加.     

我国区域经济可持续发展效率影响因素实证分析——基于面板数据分位数回归模型

运用我国28个省(市)的面板数据,利用分位数回归模型实证分析了我国区域经济可持续发展效率的影响因素。研究结果表明:经济规模、对外开放程度、地方财政支出比重和自主创新能力对经济可持续发展效率均呈现显著正向促进作用;工业比重上升和人口密度的增加对经济可持续发展效率的改善有负面影响;另外,各影响因素在不同分位点对我国区域经济可持续发展效率的影响程度差别较大。最后,文章对如何提高我国区域经济可持续发展的效率,提出了相应的政策建议。     

基于神经网络分位数回归的VaR金融风险测度

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。     

子样分位数的渐近分布

本文给出了内顺序统计量子样分位数的渐近分布为正态分布的结论。     

基于分位数回归的户籍制度改革对去库存的影响研究

户籍制度改革使得人口在城市层面的空间分布格局发生变化,对各个城市房地产去库存的影响备受关注。选取2005—2016年我国房地产市场83个代表性城市的相关变量数据,使用分位数回归模型探索户籍制度改革对各类城市房地产去库存影响的异质性特征。研究结果表明,户籍制度改革带来的人口流动与分布能够显著地促进高房价城市房地产销售,对低房价城市特别是三四线城市去库存影响微弱。这启示三四线城市的地方政府应以产业的转型升级、公共资源和公共服务的优化为中间措施实现户籍制度改革平衡房地产市场的供需结构。     

行业工资差异的分位数回归分析——以重庆市为例

首先考察了重庆市2000年至2013年农林牧渔业、建筑业等10个行业的工资数据分布特征,然后分别应用均值回归和分位数回归建模方法对重庆市行业工资差异状况进行了分析,以期发现在不同分位数下影响行业工资差异的关键因素以及它们对行业工资差异的贡献大小,并提出了解决重庆市行业工资差异的相关政策和建议。     

中国劳动力市场收入户籍歧视的无条件分位数分解

使用无条件分位数分解方法对2007年中国劳动力市场的收入户籍歧视程度进行了考察.实证分析的结果显示:从整体上看,2007年户籍歧视可以解释农民工和城镇职工平均收入差距的近三分之一,且歧视效应随收入分位提高而增加;从分项贡献来看,各自变量对收入差异的影响随收入分位变动明显.根据实证分析得出的政策建议为:当政策目标为缩小高收入分位的群体收入差异时,消除户籍歧视的政策效果更好;而当政策目标为缩小低收入分位的群体收入差异时,缩小两群体禀赋差异的政策效果更好.     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均，能有效提高参数估计的精度，在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果，本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先，利用B样条近似非参数函数，并通过极小化分位数损失函数来得出各候选模型的回归系数估计量，在局部误设定框架下推导了系数估计量的渐近分布；其次，基于候选模型中兴趣参数的估计构造出了模型平均估计量，并得出其渐近性质；最后，推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论，而且为兴趣参数构造了合适的置信区间。     

KL分位数估计的Bahadur表示

Bahadur表示对于分位数估计的大样本性质的研究有着重要的作用,本文在独立样本的条件下,证明了KL分位数估计的Bahadur表示及其收敛速度op(k-1/2n),并通过Bahadur表示给出了其渐近正态性和置信区间估计。