复合分位数回归及其在时间序列上的应用

发布时间：2017-05-18 15:19

  本文关键词：复合分位数回归及其在时间序列上的应用，由笔耕文化传播整理发布。

【摘要】：本文以中国房地产投资实际问题为背景，基于复合分位数回归和时间序列相结合的方法对房地产投资累计增长进行建模和预测.首先通过模拟计算说明利用复合分位数回归得到的参数估计具有相合性，然后对实际数据进行建模.取得的主要成果可概括如下： 1、利用复合分位数回归估计平稳时间序列模型y x T b*，得到参数估计，说明利用复合分位数回归得到的参数估计具有相合性，然后对实际数据进行建模，采用2002—2014年中国房地产投资累计增长数据，基于复合分位数回归和时间序列相结合的方法对房地产投资累计增长进行建模和预测.构建房地产投资累计增长与房地产住宅投资累计增长、房地产办公楼投资累计增长、房地产商业营业用房投资累计增长之间的回归模型，最后进行预测.研究结果显示，构建的模型能客观的描述中国房地产投资各个因素之间的关系，且预测结果较好. 2、对于非参模型y m (x)，，利用局部复合分位数回归估计回归函数，证明得到的样本估计具有相合性.然后对实际数据进行建模，根据2001—2014年中国房地产投资累计增长数据和货币供应量数据，基于局部复合分位数回归和时间序列相结合的方法对房地产投资累计增长进行建模和预测.研究结果显示，构建的模型能客观的描述中国房地产投资与货币供应量之间的关系，且预测结果较好.
【关键词】：复合分位数回归 局部复合分位数回归 平稳时间序列 房地产投资 货币供应量
【学位授予单位】：鲁东大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O211.61;F299.23
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 研究背景10-12
• 1.1.1 分位数回归的发展与现状10-11
• 1.1.2 时间序列的发展与现状11-12
• 1.1.3 房地产的发展与现状12
• 1.2 研究目的12-13
• 1.3 本文的主要工作13-14
• 第2章 预备知识14-18
• 2.1 平稳时间序列模型14-15
• 2.1.1 AR 模型14
• 2.1.2 MA模型14-15
• 2.1.3 ARMA模型15
• 2.2 核估计15-16
• 2.3 分位数回归16
• 2.4 复合分位数回归16
• 2.5 局部复合分位数回归16-17
• 2.6 拟合优度检验17-18
• 第3章 基于复合分位数回归的中国房地产投资分析18-26
• 3.1 概述18
• 3.2 模拟计算18-21
• 3.2.1 数据生成18-19
• 3.2.2 参数估计19-21
• 3.3 实证分析21-24
• 3.3.1 数据分析21-23
• 3.3.2 模型构建23
• 3.3.3 模型参数估计和拟合优度检验23-24
• 3.3.4 模型预测24
• 3.4 结论24-26
• 第4章 基于 LCQR 的货币供应量与房地产投资关系分析26-32
• 4.1 概述26
• 4.2 模拟计算26-27
• 4.2.1 数据生成26
• 4.2.2 回归函数估计26-27
• 4.3 实证分析27-30
• 4.3.1 数据分析27-29
• 4.3.2 模型构建29
• 4.3.3 模型估计29-30
• 4.3.4 模型预测30
• 4.4 结论30-32
• 第5章 结论与展望32-34
• 5.1 论文总结32
• 5.2 展望32-34
• 参考文献34-36
• 致谢36-38
• 攻读硕士学位期间取得的科研成果38

【参考文献】

中国期刊全文数据库 前2条

1 刘昕明;李志强;;复合分位数下的国债利率期限结构研究[J];北京化工大学学报(自然科学版);2013年03期

2 冯亚娟;冯荣;王奎山;;房地产增量与房地产住宅投资的关联性[J];辽宁工程技术大学学报(社会科学版);2014年01期

中国博士学位论文全文数据库 前4条

1 关静;分位数回归理论及其应用[D];天津大学;2009年

2 陈雪蓉;复杂数据下分位数回归建模及其应用[D];云南大学;2012年

3 李红梅;居民收入的分位数回归与反事实因素分解[D];首都经济贸易大学;2012年

4 吕亚召;含指标项半参数回归模型的分位数回归与变量选择[D];华东师范大学;2013年

  本文关键词：复合分位数回归及其在时间序列上的应用，由笔耕文化传播整理发布。

本文编号：376421