张晓峒分位数回归讲义

张晓峒分位数回归讲义

ID:1206802

大小:1.12 MB

页数:27页

时间:2017-11-08

张晓峒分位数回归讲义_第1页
张晓峒分位数回归讲义_第2页
张晓峒分位数回归讲义_第3页
张晓峒分位数回归讲义_第4页
张晓峒分位数回归讲义_第5页
资源描述:

《张晓峒分位数回归讲义》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第15章分位数回归模型15.1总体分位数和总体中位数15.2总体中位数的估计15.3分位数回归15.4分位数回归模型的估计15.5分位数回归模型的检验15.6分位数的计算与分位数回归的EViews操作15.7分位数回归的案例分析以往介绍的回归模型实际上是研究被解释变量的条件期望。人们当然也关心解释变量与被解释变量分布的中位数,分位数呈何种关系。这就是分位数回归,它最早由Koenker和Bassett(1978)提出,是估计一组回归变量X与被解释变量Y的分位数之间线性关系的建模方法。正如普通最小二乘OLS回归估计量的计算是基于最小化残差平方和一样,分位数回归估计量的计算也是基于一种非对称形式

2、的绝对值残差最小化,其中,中位数回归运用的是最小绝对值离差估计(LAD,leastabsolutedeviationsestimator)。它和OLS主要区别在于回归系数的估计方法和其渐近分布的估计。在残差检验、回归系数检验、模型设定、预测等方面则基本相同。分位数回归的优点是,(1)能够更加全面的描述被解释变量条件分布的全貌,而不是仅仅分析被解释变量的条件期望(均值),也可以分析解释变量如何影响被解释变量的中位数、分位数等。不同分位数下的回归系数估计量常常不同,即解释变量对不同水平被解释变量的影响不同。另外,中位数回归的估计方法与最小二乘法相比,估计结果对离群值则表现的更加稳健,而且,分位

3、数回归对误差项并不要求很强的假设条件,因此对于非正态分布而言,分位数回归系数估计量则更加稳健。15.1总体分位数和总体中位数在介绍分位数回归之前先介绍分位数和中位数概念。对于一个连续随机变量y,其总体第τ分位数是y(τ)的定义是:y小于等于y(τ)的概率是τ,即τ=P(y≤y(τ))=F(y(τ))其中P(×)表示概率,F(y(τ))表示y的累积(概率)分布函数(cdf)。比如y(0.25)=3,则意味着y≤3的概率是0.25。且有y(τ)=F-1(y(τ))即F(y(τ))的反函数是y(τ)。当τ=0.5时,y(τ)是y的中位数。τ=0.75时,y(τ)是y的第3/4分位数,τ=0.25

4、时,y(τ)是y的第1/4分位数。若y服从标准正态分布,y(0.5)=0,y(0.95)=1.645,y(0.975)=1.960。另外,如果随机变量y的分布是对称的,那么其均值与中位数是相同的。当其中位数小于均值时,分布是右偏的。反之,分布是左偏的。对于回归模型,被解释变量yt对以X为条件的第τ分位数用函数y(τ)t

5、X表示,其含义是:以X为条件的yt小于等于y(τ)t

6、X的概率是τ。这里的概率是用yt对X的条件分布计算的。且有y(τ)t

7、X=F-1(y(τ)t

8、X)其中F(y(τ)t

9、X)是yt在给定X条件下的累积概率分布函数(cdf)。则y(τ)t

10、X称作被解释变量yt对X27的条件

11、分位数函数。而F'(y(τ)t

12、X)=f(y(τ)t

13、X)则称作分位数概率密度函数。其中F'(y(τ)t

14、X)表示F(y(τ)t

15、X)对y(τ)t

16、X求导。15.2总体中位数的估计在介绍分位数回归之前,先来看中位数的估计和中位数回归。下面以连续变量为例介绍定理15.1。定理15.1连续变量用y表示,其概率密度函数用f(y)表示,累计概率密度函数用F(y)表示,y的中位数用y(0.5)表示,则y与任一值a的离差绝对值的期望以a=y(0.5)时为最小。证明:==(15.1)根据莱布尼兹公式,若,则有。令,则有。运用于式(15.1),得===式(15.1)求极小的一阶条件是=0,即=0,。这意味

17、着a等于中位数y(0.5)。a=y(0.5)与定理15.1等价的表述是以a=y(0.5)(中位数)时为最小。因此,中位数回归估计量可以通过最小绝对离差法(leastabsolutedeviation,LAD)估计。其中X和b分别为(k´1)阶列向量。同理,对于线性回归模型yt=X¢b+ut,通过求最小,估计b的中位数回归系数估计量,从而得到yt的中位数回归估计量。15.3分位数回归Koenker和Bassett(1978)证明,若用表示yt的分位数回归估计量,则对于以检查函数(checkfunction)wt为权数,yt对任意值a的加权离差绝对值和只有在a=时取得最小值。其中27=(15.

18、2)tÎ(0,1)。据此,分位数回归可以通过加权的最小绝对离差和法(weightedleastabsolutedeviation,WLAD)进行估计。根据式(15.2),对于线性回归模型yt=X¢b+ut,求第t分位数回归方程系数的估计量的方法是求下式(目标函数)最小,(15.3)其中表示第t分位数回归方程对应的残差。tÎ(0,1)。第t分位数的回归方程表达式是=其中X,b都是k´1阶列向量。称作分位数回归系数估计量,或

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。