无条件分位数回归：文献综述与应用实例

条件分位数回归(conditional quantile regression,CQR)方法已成为经济学实证研究的常用方法之一。由于CQR结果的经济学阐释基于过多甚至是不必要的控制变量,这与人们所关心的问题有可能并不一致。例如,在劳动经济学对教育回报的研究中,无论个体的年龄,性别与家庭特征如何,教育程度对于个人收入的异质性影响是人们关注的重点,即人们想了解收入关于教育程度的无条件分位数估计。本文旨在介绍近年来发展起来的无条件分位数回归(unconditional quantile regression,UQR)技术并梳理相关文献。特别地,本文介绍三种重要的无条件分位数回归模型：Firpo, Fortin和Lemieux(2009)提出的的再中心化影响函数(recentered influence function, RIF) 回归,Frolich和Melly(2010)提出的无条件分位数处理效应模型与Powell(2010)提出的一般无条件分位数回归。另外,论文还运用一个研究居民收入分配格局变化对其医疗支出影响的实例详细说明了新方法的应用。     

分位数回归与上证综指VaR研究

把极端分位数所具有的行为特征应用到VaR的研究中,建立上海股市收益率的条件分位数回归模型,描述其在极端分位数下的变化趋势。同时选取适当的尾部模型,并在此基础之上应用外推法预测非常极端分位数下的条件VaR,并与直接由分位数回归模型预测的结果进行比较。结果表明：两种方法得到的结果变化趋势都是一致的,由外推法预测的结果相对小一些。     

阿基米德Copula分位数回归曲线推导与模拟

文章把分位数回归理论和相关结构函数Copula结合起来,介绍了分位数回归和相关结构函数Copula,给出了阿基米德Copula和Copula分位数回归曲线的定义,推导出了阿基米德Copu-la分位数回归曲线。最后,通过模拟研究表明Copula分位数回归估计方法的精确性。     

分位数回归下的因果关系检验

Granger因果关系在计量经济学中占有重要地位。在实践中,采用Granger检验是在最小二乘回归下进行的,检验的是条件均值之间的因果关系,在此基础上扩充到检验条件分位数上的因果关系,即线性分位数回归下的Sup-Wald检验法;利用该检验法实证分析全国城镇居民人均可支配收入增量对人均消费性支出增量之间的关系,结果表明其之间存在单向的因果关系,并且在较低分位数时城镇居民人均可支配收入增量对人均消费支出增量的因果关系并不显著,只有在分位数较高时这种因果关系才显著存在。     

分位数回归的方差估计和计算问题探讨

与经典OLS估计量相比,分位数回归估计量具有更强的稳健性.但由于后者方差估算的复杂性,实证研究时使用计量软件自动给出的方差估算结果的情形较多,忽略了其结果所需的条件.文章在讨论分位数回归方差估计量的大样本性质基础上,重点分析使用软件估算结果存在的问题,同时给出了避免这些问题的一些具体步骤.     

分位数回归模型在小域估计中的应用

小域估计问题日益受到社会各界的关注,它通常利用辅助信息和统计模型提高估计的精度。其中最常用的小域模型是混合模型,即利用域随机效应来解释域间变化,但是这种模型要求严格的假定条件,不易于处理实际中存在异常值或重尾现象的小域估计问题。本文将分位数回归模型引入小域估计中,这个模型不需要强的假定条件,可以处理实际中存在异常值或是重尾现象的小域估计问题,并通过一个模拟案例进一步说明了基于分位数回归模型的小域估计方法可以得到更加稳健的估计量．挖掘更多的信息来提高小域估计的精度,是一种比较好的小域估计方法。     

分位数回归及应用简介

文章介绍了分位数回归法的概念、算法及主流统计软件R和SAS计算时的语法,并通过实例与以普通最小二乘法为基础的线性回归进行了对比,展现了分位数回归的巨大魅力。     

基于分位数回归模型的证券市场风险研究

文章利用分位数回归模型对我国上证与深证市场进行实证研究表明,该模型能有效度量证券市场的在险价值,对证券市场的风险度量有助于投资者认识股市风险,将有助于投资者做出正确的投资决策。     

分位数回归的理论再说明及实例分析

文章从次序统计量的角度给出了分位数回归方法合理性的说明,给出R软件的实现过程并通过实例给出了分位数回归结果的解释。     

不同先验下分位数回归的贝叶斯估计:实现与比较

分位数回归是现代计量经济学研究的前沿之一,与频率学派方法相比采用贝叶斯分析方法对其进行估计具有一定的优势。基于泊松分布实现了在R中调用STAN对分位数回归进行贝叶斯估计,将尺度参数进行参数化,并比较参数化与否对模型估计系数统计性质的影响;在此基础上通过模拟实验研究参数先验分布的设定对参数估计量统计性质的影响,结果表明:参数化后得到的估计量统计性质更好;适当的先验分布可以提高Hamiltonian Monte Carlo抽样估计量的统计性质。     

Bayesian Elastic Net Tobit Quantile Regression

In this article, the problem of parameter estimation and variable selection in the Tobit quantile regression model is considered. A Tobit quantile regression with the elastic net penalty from a Bayesian perspective is proposed. Independent gamma priors are put on the l₁ norm penalty parameters. A novel aspect of the Bayesian elastic net Tobit quantile regression is to treat the hyperparameters of the gamma priors as unknowns and let the data estimate them along with other parameters. A Bayesian Tobit quantile regression with the adaptive elastic net penalty is also proposed. The Gibbs sampling computational technique is adapted to simulate the parameters from the posterior distributions. The proposed methods are demonstrated by both simulated and real data examples.     

工资收入差异的解释：基于分位数回归的经验研究

利用CHNS2006年的数据,通过分位数回归方法从教育回报率、性别和工作部门的差异三个方面对中国工资收入差异进行研究,得出与以往研究不同的结论。结果表明：教育回报率在工资收入分布上的变动趋势是不定的。在工资收入分布的两端,大专以上学历对工资收入差距的影响相对较大。对不同性别间工资收入差异的分解表明劳动力市场上存在明显的性别歧视,而对部门间工资差异的分解表明在整个工资分布区间,这种差异呈倒＂U＂型走势。     

基于分位回归的风险保费预测

风险保费预测是非寿险费率厘定的重要组成部分。在传统的分位回归厘定风险保费中,通常假设分位数水平是事先给定的,缺乏一定的客观性。为此,提出了一种应用分位回归厘定风险保费的新方法。基于破产概率确定保单组合的总风险保费,建立个体保单的分位回归模型,并与总风险保费建立等式关系,通过数值方法求解出分位数水平,实现对个体保单风险保费的预测。通过一组实际数据分析表明,该方法具有良好的预测效果。     

Semiparametric Hierarchical Composite Quantile Regression

In biological, medical, and social sciences, multilevel structures are very common. Hierarchical models that take the dependencies among subjects within the same level are necessary. In this article, we introduce a semiparametric hierarchical composite quantile regression model for hierarchical data. This model (i) keeps the easy interpretability of the simple parametric model; (ii) retains some of the flexibility of the complex non parametric model; (iii) relaxes the assumptions that the noise variances and higher-order moments exist and are finite; and (iv) takes the dependencies among subjects within the same hierarchy into consideration. We establish the asymptotic properties of the proposed estimators. Our simulation results show that the proposed method is more efficient than the least-squares-based method for many non normally distributed errors. We illustrate our methodology with a real biometric data set.     

Quality of Fit Measures in the Framework of Quantile Regression

Abstract. In regression experiments, to learn about the strength of the relationship between a covariate vector and a dependent variable, we propose a ‘coefficient of determination’ based on the quantiles. Such a coefficient is a ‘local’ measure in the sense that the strength is measured at a prespecified quantile level. Once estimated, it can be used, for example, to measure the relative importance of a subset of covariates in the quantile regression context. Related to this coefficient, we also propose a new ‘local’ lack‐of‐fit measure of a given parametric model. We provide some asymptotic results of the proposed measures and carry out a Monte Carlo simulation study to illustrate their use and performance in practice.     

Local Linear Additive Quantile Regression

Abstract.  We consider non-parametric additive quantile regression estimation by kernel-weighted local linear fitting. The estimator is based on localizing the characterization of quantile regression as the minimizer of the appropriate 'check function'. A backfitting algorithm and a heuristic rule for selecting the smoothing parameter are explored. We also study the estimation of average-derivative quantile regression under the additive model. The techniques are illustrated by a simulated example and a real data set.     

基于分位数回归的FDI城市分布影响因素研究

中国的外商直接投资(FDI)主要集中在部分城市,其在城市间的分布呈现出均值左偏的特征。针对FDI在城市间分布不具备正态性且存在较多离群点的问题,运用一般分位数回归方法分析1994-2012年影响FDI在中国287个城市分布的影响因素。研究表明,劳动力成本、市场规模和潜力、制度质量、人力资本、基础设施和当地竞争环境都是影响FDI城市分布的重要因素。同时,各因素对FDI影响程度随FDI城市分位的变化而变化。市场规模与潜力、政府效率、人力资本对FDI的影响随分位点增高有明显下降趋势,而基础设施对FDI的促进作用随分位点增高而上升。     

面板数据的自适应Lasso分位回归方法研究

如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。     

非参数固定效应Panel Data模型的分位数回归推断

利用分位数回归方法,讨论了非参数固定效应Panel Data模型的估计和检验问题,得到了参数估计的渐近正态性及收敛速度。同时,建立一个秩得分(rank score)统计量来检验模型的固定效应,并证明了这个统计量渐近服从标准正态分布。