分位數回歸估計ppt課件(編輯修改稿)
2025-06-02 08:10 本頁面
【文章內容簡介】 歸的擴展 ? 如果被解釋變量的條件密度非同質，可以采用加權的方法提高分位數回歸估計的效率，權重與某概率水平下的局部樣本密度成比例。 ? 加權分位數回歸估計為： ()( ) =a r gm in { ( ) ( ( ) ) }i i i inifY? ? ?? ? ? ?? ???β X β? 將分位數回歸應用 Panel Data，構造 Panel Data分位數回歸模型。對于固定效應變截距 Panel Data模型： ( ) , ( )??( ( ) , ( ) ) = a r g m in { ( ( ) ( ) ) ( ) }i t i i t ii t iY? ? ? ? ?? ? ? ? ? ? ? ? ? ??? ? ?? ? ?β X β對應的 Panel Data分位數回歸參數估計為： it i it itY ??? ? ?X β ni ,1 ?? Tt ,1 ??? 將分位數回歸應用于歸并數據（ Censoring Data），構造歸并數據分位數回歸模型： m a x (0 , ) , 1 , 2 , ,iiY i n?? ? ?iX β1? ( ) a r g m in { ( ) ( m a x ( 0 , ( ) ) }iniY? ? ? ??? ? iβ X β對應的“歸并”數據分位數回歸參數估計為： ? 凡是連續(xù)隨機變量作為被解釋變量的計量經濟學模型，都可以進行分位數回歸估計。 三、分位數回歸的假設檢驗 ? 分位數回歸估計的檢驗包括兩部分： – 一是與均值回歸類似的檢驗，例如擬合優(yōu)度檢驗、約束回歸檢驗等； – 一是分位數回歸估計特殊要求的檢驗，例如斜率相等檢驗和斜率對稱性檢驗等。 擬合優(yōu)度檢驗 ? 分位數回歸估計擬合優(yōu)度檢驗統(tǒng)計量（ Machado擬合優(yōu)度 ）為： 1 ? ()( ) 1()VRV?????()?V ( ) = m i n ( ( ) )iiiY? ? ?? ? ???? X β0 ( ) 0V ( ) = m i n ( ( ) )ii Y? ? ?? ? ? ???最小化 θ分位數回歸的目標函數 回歸方程中不包含任何解釋變量，只包含常數項情況
教學課件相關推薦
鄂ICP備17016276號-1