对具有ARMA-GARCH误差的分位数回归模型的统计推断

发布时间：2025-04-11 00:58

　　分位数回归对一组预测(独立)变量和目标(因变量)的特定百分比(或分位数)之间的关系进行建模。与普通最小二乘回归相比,有两个主要优点:一是分位数回归对目标变量的分布不作任何假设,二是分位数回归倾向于抵制异常观测的影响。本文在时间序列误差下,对分位数回归模型和线性回归模型进行参数估计,所探究的方法可以规避传统模型的有关缺陷。模拟研究表明,提出的方法在有限样本下的模拟结果具有良好的体现,并给出实例说明其有效性。文章第一部分介绍了基于EM算法对具有ARMA误差的分位数回归模型进行统计推断。首先构造具有自回归移动平均误差的分位数回归方程,运用EM算法进行参数的估计,通过模拟结果得到误差在服从正态分布时均方误差最小,表明该方法是有效的。最后将提出的方法应用到房地产数据集中进行分析。文章第二部分探究了具有AR-GARCH误差的线性模型进行统计推断。首先构造具有广义自回归条件异方差的线性回归方程,通过极大似然估计方法对参数进行估计,数值模拟得到参数估计的均方误差,结果表明该方法是有效的。最后将提出的方法应用到股票市场数据中进行分析。文章第三部分介绍了基于阈值惩罚自回归模型的消费者信心指数的统计研究。首先...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2.1第一行代表0.1分位数的回归残差的ACF和部分ACF图;

经过检验,确认表2-6中a的估计满足平稳条件。从表中可以看到解释变量对不同分位数的响应变量有不同的影响。在分位数中位数、截距的95%置信区间、基于500次引导复制的变量X2和X3覆盖零。也就是说,这些变量对响应变量Y没有显着影响。变量X1、X4、X5和X6是显着的,应在相应的分位....

本文编号：4039257