分位数回归在比例数据分析中的应用

基于分位数方法研究了比例数据的回归建模、估计、推断及其应用问题.由于比例数据具有异方差、多峰性等特点,与均值回归相比,使用分位数回归不仅能动态地描述比例响应变量与协变量之间的相关关系,而且能够揭示变量之间内在的规律和提供更加丰富的信息.数值模拟研究和家庭食物消费数据分析说明了所提方法的有用性.     

区域金融发展和经济增长的计量分析——基于福建省数据与分位数回归方法

金融发展与经济增长关系的研究一直是经济学界讨论的热点问题.该文基于福建省1 980年～2011年的数据,运用分位数回归方法,考察了金融发展和经济增长之间的关系.与经典的条件均值回归相比,条件分位数回归方法能够挖掘数据生成过程更加全面深入的信息,为研究区域金融发展与经济增长的关系提供有力的证据.     

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。     

基于分位数因子模型的高维时间序列因果关系分析

从观察数据中发现变量之间的因果关系是许多科学研究领域的关键问题，传统Granger因果模型受到维度灾难的影响，难以准确地在高维时间序列中发现因果关系.提出一种基于分位数因子模型的Granger因果分析新方法 QFMCGC用于高维时间序列因果关系的判定.首先，QFM-CGC采用赤池信息量准则进行模型选择，避免人为干预设置滞后阶数的操作；然后，对向量自回归（Vector Autoregressive,VAR）模型中的条件变量建立分位数因子模型进行降维，减少VAR模型中的待估计系数，对降维后的VAR模型重新进行条件Granger因果分析；最后，使用蒙特卡洛模拟评估不同方法识别底层系统与观测时间序列的连通性结构的能力.在不同维度变量的线性仿真系统和两组现实数据集上与基准方法和经典方法进行了比较，实验结果验证了该方法的有效性.     

复合分位数下的国债利率期限结构研究

本文采用复合分位数回归(CQR)的估计方法对利率期限结构模型贴现率的估计与预报进行研究。实证结果表明,在小样本情形下复合分位数回归方法要比最小二乘法和分位数回归法稳健性更强,表现出对参数.     

左截断右删失数据下线性模型的加权复合分位数估计及变量选择

在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.     

基于M-H抽样算法的贝叶斯Probit分位回归模型研究

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明:贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

响应变量缺失下变系数模型的分位数回归

针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中,研究了空气中二氧化氮浓度与道路车流量和风速之间的关系,得出合理的结论,进一步证明了该方法的合理性。     

基于样条估计分位数回归的光伏功率回归模型

光伏发电功率预测的准确与否是太阳能光伏发电是否能够有效地并入当前电网从而大大地提高太阳能利用率的关键.分位数回归是一种能够给出输出量的详细完整分布,从而便于分析与研究的回归模型.样条就是仅在节点处平滑连接的多项式函数,样条估计具有简单易行和计算速度快的优点.本文通过建立基于样条估计的分位数回归模型,在光伏面板发电功率数据的基础上,拟合光伏功率曲线,通过计算残差平方和和确定系数进行对拟合效果的评估.结果表明,该模型利用已有的光伏面板发电功率数据,可以在给出功率预测值的完整分布的同时,准确有效地分析相关因素对光伏发电功率的影响,展现不同分位点的回归拟合效果,从而有效地提高光伏系统对太阳能的利用率,避免光伏发电在接入电网时所产生的不利影响.     

基于门限CARE模型的股市收益自相关性研究

股市收益率的自相关性是金融计量研究的热点问题,对股市风险进行有效度量具有重要意义.考虑到金融收益率序列存在尖峰厚尾与非线性特征,传统的线性模型(例如均值回归模型、分位数自回归模型、期望分位数自回归模型等)往往难以在该信息特点上分析.因此,以正负向收益方式作为分段机制,建立门限自回归期望分位数(TCARE)模型,刻画收益...     

基于Ⅱ型广义logistic分布和粒子群优化的退化可靠性建模

广义概率分布能够更加准确地描述性能退化数据的特性,降低奇异点和概率分布选择错误时带来的影响,为此,文中引入Ⅱ型广义logistic分布(Ⅱ-GLD)进行退化可靠性评估.通过加入位置参数和尺度参数对时变退化量建模,根据各时刻分布的分位数和对应试验数据之间的均方误差建立目标函数,结合粒子群优化(PSO)算法实现对目标函数中多个参数的同时估计.运用所提方法对实例进行退化可靠性评估、验证和对比,结果表明:该模型计算得到的退化数据均值和标准差与实际值的相对误差在8%以内,不同失效阈值下的可靠性评估结果与试验数据吻合良好;对比分析表明,与正态分布和威布尔分布相比,Ⅱ-GLD能够有效挖掘退化数据的尾部特性,真实反映产品的初期退化.     

响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

基于支持向量分位数回归的货币需求条件密度预测研究

考虑到货币需求与其影响因素之间复杂的关系,基于支持向量分位数回归(support vector quantile regression,SVQR)模型,文章研究了货币需求及其影响因素之间的非线性依赖关系,给出了货币需求条件密度预测方法,并将其与传统的线性分位数回归模型进行了比较。选取中国2004年1月至2014年12月期间工业增加值、消费物价指数(consumer price index,CPI)、利率与M1的月度数据进行实证研究,结果表明SVQR模型不仅能够很好地拟合货币需求,而且能够给出准确的概率密度预测结果。     

重庆市城乡居民人均可支配收入和消费的分位数回归估计

通过对重庆市1995—2018年城乡居民人均可支配收入与消费水平数据分析,发现尽管均值回归拟合该数据效果较好,但从残差图来看存在异方差,采用最小二乘法估计人均收入与消费的关系会导致回归结果出现偏差,而分位数回归能解决好这一问题,因此,决定采用分位数回归分析此数据.分析结果表明:从拟合平均绝对误差来看,中位数回归优于均值...     

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。     

结构地震需求QRNN重要性分析

为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用下进行动力非线性时程分析,得到了4种地震需求,然后分析得到神经网络分位数回归重要性测度指标,并将结果与Monte-Carlo数值模拟法进行了对比.结果表明:在不同条件分位数下,各个输入随机参数对应的重要性测度指标呈现不同的变化趋势;神经网络分位数回归方法在样本数远远少于Monte-Carlo数值模拟法的情况下,得到的输入随机参数的重要性测度指标基本一致,因此,神经网络分位数回归重要性分析方法是高效准确的,对大型复杂结构来说可以提高计算效率.     

基于Logit和KMV的我国上市公司信用风险的比较研究

利用Logit回归模型和KMV模型分别对选取的29家我国上市公司样本的信用风险进行实证分析和比较。结果表明,两个模型基本上都能反映上市公司的信用状况,虽然KMV模型对非违约样本组的预测结果要优于Logit模型,但是在违约公司样本组的预测上,Logit模型要远比KMV模型准确。从总体效果来看,Logit模型的预测准确性要高于KMV模型。     

高新技术企业创新能力与企业成长阶段关系研究

以2007-2011年151家高新技术上市公司为样本,利用面板回归、平均数据横截面回归和分位数回归,研究了专利总数和发明专利数对企业成长的平均影响以及对企业不同成长阶段的影响差异。研究认为,创新对企业成长并没有显著的正向促进作用,但创新质量的提高会加速企业的成长。另外还得出与code＆Rao等文献相反的结论——与高速成长阶段的企业相比,创新对低速成长的企业的促进作用更大。结合生命周期理论,对结论的不一致做了相应的解释。     

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.     

分位数回归模型中的两步变量选择

对于高维分位数回归模型提出了一种两步变量选择方法,这里协变量的维数pn远远大于样本量n.在第一步中,使用e1惩罚,并且证明第一步由LASSO惩罚所得到的惩罚估计量能够把模型从超高维降到同真实模型同阶的维数,并且所选模型能够覆盖真实模型.第二步对第一步所得模型使用自适应的LASSO惩罚来剔除冗余变量.在一些正则性条件下,证明了此方法具有变量选择的相合性.还进行了数值模拟和实际数据分析,用来表明此方法在有限样本下的表现.