固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性.当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现.最后,将估计方法应用于分析碳排放的影响因素.     

分位数回归技术综述

普通最小二乘回归建立了在自变量X=x下因变量Y的条件均值与X的关系的线性模型。而分位数回归（Quantile Regression）则利用自变量X和因变量y的条件分位数进行建模。与普通的均值回归相比,它能充分反映自变量X对于因变量y的分布的位置、刻度和形状的影响,有着十分广泛的应用,尤其是对于一些非常关注尾部特征的情况。文章介绍了分位数回归的概念以及分位数回归的估计、检验和拟合优度,回顾了分位数回归的发展过程以及其在一些经济研究领域中的应用,最后做了总结。     

基于分位数回归的面板数据模型估计方法

文章在对分位数回归基本原理进行全面分析说明的基础上,对其在面板数据模型中的应用作了深入分析。利用1998～2006年25个行业企业销售收入与专利申请数量的面板数据,分别采取最小二乘法和分位数回归法进行参数估计和比较分析,结果表明：分位数回归方法在进行面板数据模型估计时具有明显的优势。     

中国系统性金融风险对宏观经济的影响研究

基于2007年1月至2017年12月月度数据,本文首先选取金融机构极值风险、金融体系间的传染效应、金融市场的波动性和不稳定性、流动性和信用风险4个层面的14个代表性指标测度了系统性金融风险;然后运用分位数回归度量了单个系统性风险指标对宏观经济的影响;最后运用偏最小二乘分位数回归法构建一个系统性金融风险综合指标进一步实证分析系统性金融风险对宏观经济的影响。研究结果表明：①单个系统性金融风险指数中机构极值风险类别下的指标对宏观经济的影响最大,其中金融体系巨灾风险指数影响效果最显著;②运用偏最小二乘分位数回归构造的系统性金融风险综合指标较之单个系统性金融风险指标,能够更稳健地反映系统性金融风险对宏观经济的影响状况;③从测度效果来看,单个系统性风险指标和系统性金融风险综合指标在下尾分布（0.2分位数）的结果明显优于中间分布（0.5分位数）和上尾分布（0.8分位数）。     

利用样本分位数求逆威布尔分布参数的渐近估计

文章利用逆威布尔分布的若干个样本分住数,建立线性回归模型,由获得的逆威布尔分布参数的广义最小二乘估计的渐近正态性,得到数据缺失、分组数据、截尾样本场合逆威布尔参数的渐近估计。在样本足够大的情况下,该方法简单有效。     

分位数回归的思想与简单应用

与普通最小二乘法相比,分位数回归能够更充分反映自变量对不同部分因变量的分布产生不同的影响,有着十分广泛的应用。本文对分位数回归的思想做了一个简单的介绍,并将其方法应用于恩格尔定律中,比较分析了异方差和同方差下分位数回归与普通最小二乘法的优劣。     

金融资产收益率的模糊双线性回归

 已有文献中对金融市场的区间观测数据利用模糊线性规划方法讨论动态模型结构（FAR（p））,这里引入模糊双线性回归模型（FDR（p,q））,利用模糊最小二乘法来估计未知参数。基于平均平方误差（MSE）与平方绝对误差（MAE）考察了两个模型的拟合效果,并在样本期内和样本期外分别评价了两个模型的实际拟合与预测能力。     

一种新寿命分布的参数估计及其应用

Chen(2000)提出了一种新的两参数寿命分布,这个分布有递增或浴盆型失效率函数,并基于Ⅱ型截尾样本给出了分布参数的区间估计.文章对这种两参数寿命分布在一个参数已知时,基于Ⅰ型截尾样本并借助Han(2011)给出的失效概率的E-Bayes估计给出了另一个参数的最小二乘估计和加权最小二乘估计,进而得到了失效率函数和可靠度的估计.最后,结合发动机的实际问题进行了计算,结果表明方法可行且便于工程应用.     

对自变量为随机变量的回归模型估计方法的探讨

一、引言普通最小二乘法已被广泛地应用在回归分析之中,它具有简明实用的特点。可以证明,在标准的假定下,该方法具有最优线性无偏估计的理想特性。但是,在实际应用中,该方法常存在一些问题。以下用一例子予以说明。例１：样本观测值与散点图如下所示：Ｘ１２３４５６７Ｙ２１３４５６７图１　　对以上样本观测值采用普通最小二乘估计,可估计出回归方程Ｙｉ＝（２７／２８）Ｘｉ＋１／７（１）然而对图１直接分析,不难看出以下两点：（１）式（１）所表示的直线与样本的分布趋势相违背。除第一个和第二个样本点外,其他样本点完全落在…     

异方差模型参数估计的有效性研究

本文运用随机模拟方法,对误差序列异方差模型中加权最小二乘（GLS）估计的有效性进行研究。研究表明,GLS估计的有效性与异方差强度有关,当异方差强度较强时,GLS估计比普通最小二乘（OLS）估计有效;当异方差强度较弱时,GLS估计不如OLS估计有效。     

基尼加权回归分析：概念、方法及应用

普通最小二乘法是进行回归分析最常用的基本方法,但该方法要求满足若干经典假设,对于小样本或在与收入相关回归分析的参数估计中易受奇异值、高收入群体的影响。本文试图利用基尼加权回归弥补以上不足。基尼加权回归可分为参数方法与非参数方法两类,参数方法基于样本残差的基尼平均差最小原则对参数进行估计;非参数方法则是直接由两点间的斜率加权得到。基尼加权回归分析可以进行参数假设检验并定义拟合优度,其中的假设检验在实际应用中采用Jackknife重抽样方法估计方差。文中提出的样本拓展基尼平均差算法,弥补了现有算法对样本数据只能提供近似计算的不足,极大简化相应的计算公式。利用我国2015年省域截面数据、1994至2015年总量时间序列数据分别讨论入境旅游收入对收入基尼系数的影响,发现使用基尼加权回归的结果不仅符合理论预期,而且可以通过不平等厌恶参数的变化反映入境旅游收入对不同群体收入公平性的影响。     

基于一元线性回归模型异方差对加权最小二乘法的考察

作为普通最小二乘法的改进,加权最小二乘法用于存在异方差问题的线性回归模型的参数估计。文章通过对加权最小二乘估计量、加权最小二乘变换的分析,并结合实际例证研究发现,加权最小二乘法在应用中存在一些不足之处,因而当发现模型存在异方差时使用加权最小二乘法是存在风险的。     

异方差条件下两种回归方法的比较

最小二乘回归作为一种优良的统计方法应用非常广泛,但是在使用时要求满足同方差等假设条件.文章归纳总结了最小二乘回归和分位数回归的理论特点及异方差产生的原因,论证了异方差对最小二乘回归造成的负面影响,并通过模拟研究和实例研究比较了两种回归方法的功能.结果显示,在异方差情况下,分位数回归可以在因变量条件分布的不同水平上刻画回归关系,分离出回归系数的变异,其结果较最小二乘回归更加全面和细致.     

协整平滑转移回归中的线性检验 ——基于完全修正最小二乘法的扩展

 在解释变量内生条件下,Choi,Saikkonen(2004)使用动态最小二乘法估计协整平滑转移回归模型,并基于动态最小二乘的估计结果构造 统计量检验协整向量的非线性。本文系统解析了 的构造并指出其不足,针对这一不足,本文将动态最小二乘法扩展为完全修正的最小二乘法,并进而基于完全修正的最小二乘法估计结果构造 统计量检验协整向量的非线性。本文的仿真试验表明,在有限样本下, 与 的检验势没有显著差异,但 的水平扭曲小于 。     

结合WLS具有EGARCH误差项时序的ADF检验

文章在有限样本条件下,通过加权最小二乘法和普通最小二乘法随机模拟了误差项为EGAKCH-norm和EGARCH-t时序的ADF检验,发现用加权最小二乘法(WLS)比普通最小二乘法(OLS)得到检验统计量的临界值更加稳健,用t(ρ)统计量要比用t(ρ)统计量更有效.     

动态广义最小二乘法在面板协整中的应用研究

在进行非平稳面板数据的协整分析时,使用动态最小二乘法（DOLS）可以有效消除内生性问题,从而得到具有渐进正态分布的统计量。但在小样本条件下,由于可使用解释变量差分项的阶数有限,导致模型中均衡误差项的序列相关,使得DOLS统计量出现严重的检验水平畸变。为此,本文将单一时间序列的动态广义最小二乘法（DGLS）应用于非平稳的同质面板数据模型。在序贯极限分布的条件下,DGLS统计量仍具有正态的条件极限分布。而仿真实验表明,对于非平稳的同质面板数据模型,即使在均衡误差项存在高序列相关的条件下,DGLS统计量仍具有较好的小样本性质。     

最小一乘法与最小二乘法:基于例证的比较

最小一乘法和最小二乘法在估计思想上有着相同的渊源,而在实现路径上有所不同:最小一乘法属于中位数回归而最小二乘法属于均值回归。由此,两者在回归系数的计算、回归直线的性质和估计结果等方面均存在较大差异。文章在理论分析的基础上进一步通过例证,将两类估计方法在计算、优劣势和应用范围做出了比较和分析。     

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。     

非线性回归模型参数估计方法研究——以C-D生产函数为例

通过理论分析和蒙特卡罗模拟,对C-D生产函数模型参数的估计方法进行比较研究的结果表明：当误差项满足经典假设时,非线性最小二乘估计量具有与线性最小二乘估计类似的、近似BLUE的特性,且当误差项存在异方差时,用加权非线性最小二乘法也能大大改善估计量的性质。     

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。