非參數(shù)回歸方法(參考版)
2024-08-16 19:22本頁面
【正文】 。它能更加全面的刻畫分布的特征，從而得到全面的分析，而且其分位數(shù)回歸系數(shù)估計比OLS回歸系數(shù)估計更穩(wěn)健。因此分位數(shù)回歸相比普通最小二乘回歸只能描述自變量X對于因變量y ,局部變化的影響而言，更能精確地描述自變量X對于因變量y的變化范圍以及條件分布形狀的影響。分位回歸是由Koenker和Bassctt于1978年提出的，其基本思想是建立因變量Y對自變量X的條件分位數(shù)回歸擬合模型，即,。 分位數(shù)回歸(Quantile Regression):是計量經(jīng)濟學的研究前沿方向之一，它利用解釋變量的多個分位數(shù)（例如四分位、十分位、百分位等）來得到被解釋變量的條件分布的相應的分位數(shù)方程。 直方圖是最基本的非參數(shù)密度估計方法。不同的值得分位回歸直線從上至下的間隙先窄后寬說明了食品支出是左偏的，這一點從分位系數(shù)隨分位數(shù)增加變化圖（最右側的點）中也可以得到驗證。R語言進行編碼如下：得到結果為： 結論:，實線為最小二乘回歸。 ：恩格爾數(shù)據(jù)研究者對235個比利時家庭的當年家庭收入（ine）和當年家庭用于食品支出的費用（foodexp）進行檢測。實際上，參與直方圖
規(guī)章制度相關推薦
鄂ICP備17016276號-1