分位数回归模型

分位数回归

三部分：分位数回归简介 分位数回归的应用 R程序实践

一、分位数回归简介 为什么要分位数回归？

传统的线性回归描述条件均值受自变量的影响，若随机误差满足经典假设，参数估计将具有无偏性、有效性等优良性质。但实际生活假设往往不满足，如存在异方差，偏态分布等会使传统线性回归不具有以上性质。

分位数回归1、随机扰动项不做分布的假定，估计具有很强稳健型 2、对所有分位数进行回归，这样对异常点具有抗耐性 一体两面的，更加精确地描述自变量对因变量变化范围的影响 3、分位数回归具有较好的弹性性质 4、对于因变量具有单调变换性 5、估计参数在大样本下具有渐进优良性

为了方便解释清楚分位数回归,先利用一个图形来作简要说明：

上图的横坐标表示的是家庭收入，而纵坐标表示的是食物支出。这个例子稍后会用R实现。

分位数回归原理

回归分析的基本思想就是使样本值与拟合值之间的距离最短，对于Y的一组随机样本

，样本均值回归是使误差平方和最小，即

样本中位数回归是使误差绝对值之和最小，即

样本分位数回归是使加权误差绝对值之和最小，即

现假设

2008年中国数量经济学会年会论文

第一组 计量经济学理论与方法

分位数回归模型及其应用研究

王桂胜1

（首都经济贸易大学，北京，100026）

摘要：本文在对分位数回归方法的含义和基本原理进行全面分析说明的基础上，对分位数回归方法在PANEL DATA模型中的应用作了深入分析，并对不同回归估计方法在PANEL DATA模型中的估计效果进行了比较分析。在此基础上，通过分别采取一般最小平方法和分位数回归法对中国15省区的人均消费和人均收入的回归方程估计的统计结果比较，发现分位数回归方法在进行某些特殊的PANEL DATA模型估计时具有一定的优势。

关键词：分位数回归、面板数据模型、惩罚分位数回归估计

一、分位数回归研究介绍

1

王桂胜：男，1970年生，首都经济贸易大学劳动经济学院副教授，清华大学经管学院博士生。

1

2008年中国数量经济学会年会论文

自Koenker 和 Bassett (1978)提出线性分位数回归理论以来，分位数回归（QR）即成为近几十年来发展较快、应用广泛的回归模型方法，它不仅深化了对传统回归模型的理解，而且也推广了回归模型的类型和应用，使得回

分位数回归模型及其应

用研究

WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-

第一组计量经济学理论与方法

分位数回归模型及其应用研究

王桂胜1

（首都经济贸易大学，北京，100026）

摘要：本文在对分位数回归方法的含义和基本原理进行全面分析说明的基础上，对分位数回归方法在PANEL DATA模型中的应用作了深入分析，并对不同回归估计方法在PANEL DATA模型中的估计效果进行了比较分析。在此基础上，通过分别采取一般最小平方法和分位数回归法对中国15省区的人均消费和人均收入的回归方程估计的统计结果比较，发现分位数回归方法在进行某些特殊的PANEL DATA模型估计时具有一定的优势。

关键词：分位数回归、面板数据模型、惩罚分位数回归估计

一、分位数回归研究介绍

自Koenker 和 Bassett (1978)提出线性分位数回归理论以来，分位数回归（QR）即成为近几十年来发展较快、应用广泛的回归模型方法，它不仅深化了对传统回归模型的理解，而且也推广了回归模型的类型和应用，使得回归模型拟合有关统计数据更加准确细致。分位数回归模型是在稳健估计模型基础上发展形成。稳健估计（Robust Estimatio

目录

摘要………………………………………………………………………………．．ＩＡＢＳＴＲＡＣＴ………………………………．………………………………………………………………．ＩＩ第１章绪论………………………………………………………………………．１１．１研究背景及意义…………………………………………………………１

１．２国内外研究现状…………………………………………………………２

１．３研究的内容………………………………………………………………４

１．４创新之处…………………………………………………………………５第２章分位数回归的背景………………………………………………………．６２．１分位数回归模型…………………………………………………………６

２．２复合分位数回归模型…………………………………………………．．１０第３章面板数据模型及估计方法………………………………………………１１３．１面板数据模型介绍……………………………………………………．．１２

３．２面板数据模型的估计…………………………………………………一１４第４章面板数据复合分位数回归模型的估计…………………………………ｌ８４．１引言……………………………………………………………………．．１８

４．２参

第七章 非参数回归模型与半参数回归模型

第一节 非参数回归与权函数法

一、非参数回归概念

前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。

设Y是一维观测随机向量，X是m维随机自变量。在第四章我们曾引进过条件期望作回归函数，即称

g (X) = E (Y|X) （7.1.1）

为Y对X的回归函数。我们证明了这样的回归函数可使误差平方和最小，即

E[Y?E(Y|X)]2?minE[Y?L(X)]2

L （7.1.2）

这里L是关于X的一切函数类。当然，如果限定L是线性函数类，那么g (X)就是线性回归函数了。

细心的读者会在这里立即提出一个问题。既然对拟合函数类L(X)没有任何限制，那么可以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Yi，Xi)就可以了是的，对拟合函数类不作任何限制是完全没有意义的。

用R语言进行分位数回归：基础篇

詹鹏

（北京师范大学经济管理学院 北京）

本文根据文献资料整理，以介绍方法为主要目的。作者的主要贡献有：（1）整理了分位数回归的一些基本原理和方法；（2）归纳了用R语言处理分

位数回归的程序，其中写了两个函数整合估计结果；（3）写了一个分位数分解函数来处理MM2005的分解过程；（4）使用一个数据集进行案例分析，完整地展现了分析过程。

第一节 分位数回归介绍

（一）为什么需要分位数回归？

传统的线性回归模型描述了因变量的条件均值分布受自变量X的影响过程。其中，最小二乘法是估计回归系数的最基本方法。如果模型的随机误差项

来自均值为零、方差相同的分布，那么回归系数的最小二乘估计为最佳线性无偏估计（BLUE）；如果随机误差项是正态分布，那么回归系数的最小二乘估计与极大似然估计一致，均为最小方差无偏估计（MVUL）。此时它具有无偏性、有效性等优良性质。

但是在实际的经济生活中，这种假设通常不能够满足。例如当数据中存在严重的异方差，或后尾、尖峰情况时，最小二乘法的估计将不再具有上述优良

性质。为了弥补普通最小二乘法（OLS）在回归分析中的缺陷，1818年Laplace和Bassett

[2]提出了中位数回归（最小绝对偏差估计）。在

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，least absolute deviations estimator)。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

1

第七章 非参数回归模型与半参数回归模型

第一节 非参数回归与权函数法

一、非参数回归概念

前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。

设Y 是一维观测随机向量，X 是m 维随机自变量。在第四章我们曾引进过条件期望作回归函数，即称

g (X ) = E (Y |X ) （7.1.1）

为Y 对X 的回归函数。我们证明了这样的回归函数可使误差平方和最小，即

22)]([min )]|([X L Y E X Y E Y E L -=- （7.1.2）

这里L 是关于X 的一切函数类。当然，如果限定L 是线性函数类，那么g (X )就是线性回归函数了。

细心的读者会在这里立即提出一个问题。既然对拟合函数类L (X )没有任何限制，那么可以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Y i ，X i )就可以了是的，对拟合函数

EVIEWS之变系数回归模型

1 变系数回归模型

前面讨论的是变截距模型，并假定不同个体的解释变量的系数是相同的，然而在现实中变化的经济结构或者不同的经济背景等不可观测的反映个体差异的因素会导致经济结构的参数随着横截面个体的变化而变化，即解释变量对被解释变量的影响要随着截面的变化而变化。这时要考虑系数随着横截面个体的变化而变化的变系数模型。

1.变系数回归模型原理

变系数模型一般形式如下：

yit??i?xit?i?uit,i?1,2,,N,t?1,2,,T（1）

其中：yit为因变量，xit为1?k维解释变量向量，N为截面成员个数，T为每个截面成员的观测时期总数。参数?i表示模型的常数项，?i为对应于解释变量的系数向量。随机误差项uit相互独立，且满足零均值、等方差的假设。

在式子（1）中所表示的变系数模型中，常数项和系数向量都是随着截面个体变化而变化，因此将该模型改写为：

yit?xit?i?uit （2）

其中：xit?(1,xit)1?(k?1)，?i?(?i,?i)'

模型的矩阵形式为：

Y?X??u （3）

其

中

：

?y1??Y??????yN??NT?1；

?yi1??y?yi??i2??????yiT?T?

知识点与课本知识结合

集合、函数、导数（一）

一．集合：

1．明确集合中元素的意义,它是什么类型的对象(如数、点、形等)。 （1）已知集合A yy x 1 ,B

x,y y x ,则A B中元素的个数是 .

2

(2)设集合M xy M N ___.

x 4x 3

2

，集合N yy sixn

3cox,sx ,

63

2. A B {x|x A且x B}；A B {x|x A或x B}；CUA xx U,x A ;

A B x A,X B

； 真子集怎定义？

含n个元素的集合的子集个数为2n,真子集个数为2n－1. 如满足{1,2} M {1,2,3,4,5}集合M有______个. 3. 韦恩图

期中考试,某班数学优秀率为70％,语文优秀率为75％.问:上述两门学科都优秀的百分率至少为 .

4. CU A B CUA CUB , CU A B CUA CUB

A∩B=A A∪B=B A B CUB CUA A∩CUB=

CUA∪B=U

如已知集合A xx2 3x 10 0,B xm 1 x 2m 1 ,A B A,则实数m的取值范围为 （解题时要注意对空集的