两种分位数回归及实证研究

发布时间：2020-04-30 01:18

【摘要】：在研究实际问题的时候,人们通常比较关心某个解释变量对被解释变量的影响,即称之为偏效应或者边际效应。普通最小二乘回归方法是解决这类问题的一个常用方法。但是普通最小二乘回归实际上是一种条件均值回归,条件均值仅仅是刻画条件分布的一个指标,它得到偏效应是条件平均偏效应。分位数回归方法则能对整个分布的全貌进行刻画,得到各个分位数上的偏效应。传统的分位数回归是一种条件分位数回归,它得到的偏效应是条件分位数偏效应。另一种分位数回归则是无条件分位数回归,借助影响函数和再中心化影响函数的性质,它能够得到无条件分位数偏效应。分位数回归方法比普通最小二乘回归方法提供了更加丰富的信息。本文通过几个数据生成过程模拟了普通最小二乘回归方法与分位数回归方法所得的偏效应之间的差异,并以普通最小二乘回归作为参照,利用两种分位数回归对性别收入不平等进行实证研究,发现性别对收入有显著影响,各种偏效应之间存在较为明显的不同,且利用无条件分位数偏效应的几个估计方法得到了很相似的结果,表明了估计方法的稳健性。同时基于无条件分位数回归使用反事实框架对性别收入差异进行分解,发现性别歧视在性别收入差异中占有主导地位。由于分位数回归方法相比于普通最小二乘回归方法的巨大优势,尤其是异方差情形,分位数回归方法越来越受到研究者们的重视,在如今数据爆炸的时代,它能发挥出很大的作用。
【图文】：

散点图,拟合值,散点图,残差

(0.0193) (0.0263) (0.0285)edu3 0.5397*** 0.5069*** 0.5765***(0.0205) (0.0275) (0.0308)health －0.0705*** －0.0624*** －0.0807***(0.0098) (0.0131) (0.0149)cons 1.2246*** 1.1746*** 1.4008***(0.1223) (0.1642) (0.1917)注：小括号里面的数值是稳健标准误，星号表示显著性，其中***表示 1%水平下显著，**表示 5%水平下显著，*表示 10%水平下显著。接下来是对异方差性进行检验，以全样本回归为例，本文将从残差图以及统计检验两个方面来对异方差性进行检验，所选残差图为残差与拟合值的散点图，而用统计量来检验异方差性有多种方法，包括 LM 检验、BP 检验、White 检验等方法，本文选取 White 检验统计量。散点图结果如下所示：

趋势图,趋势图,分位点

处制造业比其他行业的条件收入要高，0.5 分位点处的条件收入差异不大，而 0.9分位点处制造业比其他行业的条件收入要低。对于变量 edu2 和变量 edu3 而言，3 个分位点处的 CQPE 均为正值并显著，且在每个分位点处的 edu3 的 CQPE 均比 edu2 的 CQPE 要大，这表明在这 3 个分位点处，学历高的居民条件收入比学历低的居民高，且学历越高相应的条件收入也越高。对于健康状况(health)而言，三个分位点处的 CQPE 均为负值且显著，这表明在三个分位点处，，均有越健康的居民条件收入相应更高一些。本文主要讨论性别收入差异，前面已经分析了 0.1，0.5，0.9 分位点处性别(gender)对于对数收入(lwage)的 CQPE，发现这三个分位点的 CQPE 基本相同，这并不能表示在其他分位点处的 CQPE 也相同，因此要想更加深入了解 CQPE随分位点的变化，有必要对更多分位点处的 CQPE 进行讨论，不妨取 19 个分位点处的 CQPE，再对其进行斜率相等检验，发现检验的 P 值几乎为 0，因此拒绝斜率相等的假设。这说明在更多分位点处，性别(gender)对于对数收入(lwage)的CQPE 是有差异的，其 CQPE 随分位值 τ 变化的趋势图如下所示：
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：C81;F224

【参考文献】