面板向量分位数回归及其在居民消费行为研究中的应用

《面板向量分位数回归及其在居民消费行为研究中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、面板向量分位数回归及其在居民消费行为研究中的应用第31卷第6期统计研究Vol.31,No.62014年6月StatisticalResearchJun.2014面板向量分位数回归及其在居民消费行为研究中的应用*吴锺洪赵卫亚谢祺内容提要:本文通过引人工具变量，对面板向量分位数回归的参数估计问题进行了研究。蒙特卡洛模拟结果显示，相比分位数回归固定效应估计方法，工具变量估计方法在时间长度相对较短时能有效地减少参数估计的偏误，降低均方根误差，从而提高参数估计的精确度。然后，利用提出的面板向量分位数回归方法对我国城镇居民生存资料与发展、享受资料消费之

2、间的关系进行了分析。关键词:分位数回归;面板向量自回归模型;固定效应;工具变量中图分类号:0212文献标识码:A文章编号:1002-4565(2014)06-0091-07PanelVectorQuantileRegressionanditsApplicationattheResidents’ConsumptionBehaviorStudyWuJianhongZhaoWeiyaXieQiAbstract:Thispaperfirstlystudiesthequantileregressionforpaneldatavectorautoreg

3、ressivemodelsbasedonthequantileregressionparameterestimationmethodintheliteraturebyintroducingtheinstrumentalvariables.MonteCarlosimulationresultsshowthat,incomparisonwiththequantileregressionfixedeffectsmethod,whenthetimeperiodsTisshort,theinstrumentalvariablesmethodsharp

4、lyreducesthebiasandRMSE,andthenenhancetheaccuracyoftheestimate.Furthermore,weanalysistherelationamongtheChinaurbanpopulationsurvivaldata,developmentdataandenjoyableconsumptiondatabasedonthepanelveclorquantileregressionmethodproposedinthispaper.Keywords:QuantileRegression;P

5、anelVectorAutogressiveModels;Fixedeffects;InstrumentalvariablesNewey&Rosen(197><88)[2]首次利用面板数据研究了-，，91言向量自回归模型的参数估计问题，Binder,Hsiao&在研究多个经济变量的动态关系时，由于变量Pesaran(2005)[3]则讨论了具有单位根和协整的面间可能的相互反馈(交互)作用，人们常通过建立向板向量自回归模型的参数估计和统计推断问题。但量自回归模型(VAR)来进行统计推断和经济是，已有文献多是基于传统的条件均值回

6、归方法，难分析。于对数据间的依赖关系进行全方面的刻画。相对而然而，在实际应用中，可观测/采集到的数据往言，分位数凹归方法则能从多个角度(不同分位点)往比较短(比如年份数据)，难于满足向量自回归模全面地刻画各变量间的依颇关系，且对误差分布的型对样本量的要求。为此，一些学者通过观测同一假设条件更稳健。变量在多个个体上的观测数据(即截面维数据)，并分位数回归方法最早是由Koenker&Bassett(1978)[4]提出并进行了系统研究。Koenker(2004)与时间维数据结合而形成所谓的面板数据。这在一定程度上起到增加样本量的作用，并

7、可对所关注问*本文获教育部人文社会科学重点研究基地重大项目题提供新的研究视角比如个体或时间异质性的研(13JJD910002)、国家自然科学基金(11001238)、国家社会科学基金究。近年来，面板数据逐渐发展成为一个重要的研(lOBTJ013)、国家统计局项目(2012LZ023、2013LY016)、浙江省高究领域，即面板数据计量经济分析[1]。Holtz击akin，校人文社科重点研究基地(统计学)资助。.92.统计研究2014年6月/’lIP--tflipl\tltitil--t/￠'￠'伊[5J首次把分位数回归

8、方法推广到纵向(面板)数据维固定效应φ是pa模型中，提出了一个所谓的固定效应惩罚分位数回ψa归估计方法，强调此方法在非正态分布情况下的参数估计精确度要优于传统的均值回归结果;罗幼