贝叶斯时空分位数回归模型在中国城市PM2.5中的实证研究
发布时间：2021-12-21 19:50
空气污染问题作为全球热点问题,受到越来越多人的关注。相对其他国家的空气质量来说,中国的空气污染程度较为严重,对人们健康造成一定威胁,且在十九大报告会议上,习近平总书记明确提出要解决损害群众健康的突出环境问题,因此研究我国城市空气污染数据具有一定必要性。现阶段分位数回归法在环境领域内的应用相对较少。而在环境污染领域内,真实的时空数据生成过程并不满足经典统计中的独立重复试验假设,且传统分位数回归方法中估计量的渐近有效性是基于个体数和时期数趋于无限的假设,而在实际应用中,空气污染数据的观测值有限,很难保证传统分位数回归估计量的有效性。针对传统分位数回归方法中的这些不足,本文决定选用贝叶斯参数分位数回归方法,该方法不仅充分考虑了参数的不确定性风险,而且还能准确预测参数的不确定性程度,且在小样本和目标函数非凸或不可导的情况下同样适用。在贝叶斯理论框架下,结合非对称拉普拉斯分布和分位数回归理论,可实现对分位数回归模型的贝叶斯估计,考虑到PM2.5在空间上不仅受邻接城市的影响,同时也受自身内部结构的影响,因此本文在一般分位数回归模型的基础上引入条件自回归模型,通过设置虚拟变量,以此全面反映PM2.5...
【文章来源】：山西财经大学山西省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
监测站点分布图
贝叶斯时空分位数回归模型在中国城市 PM2.5 中的实证研究东、河南等，相对应的空间影响较小的城市则主要分布在青海、四川、西藏、云南等西南地区以及内蒙古等地；在 0.9 分位数水平下，与 0.1、0.5 分位数水平上的空间效应相似，影响较大的城市主要位于北京、河北等地以及新疆的西部，而影响较小的城市则主要分布在西藏、四川等地区。根据 2015、2016、2017 年各分位数水平上的空间效应分布情况，我们可发现北京、山东、河北等地的空间结构和非结构随机效应较大，即邻接城市以及城市内部结构的影响较大。
贝叶斯时空分位数回归模型在中国城市 PM2.5 中的实证研究、河南等，相对应的空间影响较小的城市则主要分布在青海、四川、西藏、云等西南地区以及内蒙古等地；在 0.9 分位数水平下，与 0.1、0.5 分位数水平上空间效应相似，影响较大的城市主要位于北京、河北等地以及新疆的西部，而响较小的城市则主要分布在西藏、四川等地区。根据 2015、2016、2017 年各分数水平上的空间效应分布情况，我们可发现北京、山东、河北等地的空间结构非结构随机效应较大，即邻接城市以及城市内部结构的影响较大。图 4.14 2015、2016、2017 年 0.1 分位数水平上的空间效应分布图
【参考文献】：
期刊论文
[1]GJR-CAViaR模型的贝叶斯分位数回归——基于Gibbs抽样的MCMC算法实现[J]. 张颖,傅强. 中央财经大学学报. 2017(07)
[2]科技创新、金融发展与产业结构升级——基于贝叶斯分位数回归的分析[J]. 谢婷婷,赵莺. 科技管理研究. 2017(05)
[3]贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究[J]. 梅波,田茂再. 统计研究. 2016(12)
[4]变量惩罚效应在贝叶斯分位数回归模型的应用[J]. 郭俊峰. 统计与决策. 2016(19)
[5]基于贝叶斯方法的比例数据分位数推断及其应用[J]. 赵为华,张日权. 统计与信息论坛. 2016(08)
[6]基于LASSO分位数回归的对冲基金投资策略研究[J]. 蒋翠侠,刘玉叶,许启发. 管理科学学报. 2016(03)
[7]基于面板分位数回归模型的收入、利率对房价的影响关系研究[J]. 张所地,范新英. 数理统计与管理. 2015(06)
[8]流动人口家庭与城镇家庭的消费差异——基于分位数回归的分析[J]. 王韬,毛建新. 人口与经济. 2015(04)
[9]保险行业人力资本收益率企业性质差异分析——基于MCMC算法的贝叶斯分位数回归[J]. 刘景松,冀巨海. 财会通讯. 2015(18)
[10]加权复合分位数回归方法在动态VaR风险度量中的应用[J]. 刘晓倩,周勇. 中国管理科学. 2015(06)
博士论文
[1]分位数回归的贝叶斯估计与应用研究[D]. 邸俊鹏.南开大学 2013
[2]基于MCMC算法的贝叶斯分位回归计量模型及应用研究[D]. 曾惠芳.湖南大学 2011
硕士论文
[1]贝叶斯自适应Lasso分位数回归及其在EVA分析中的应用[D]. 谢燕瑜.闽南师范大学 2016
[2]基于贝叶斯方法的空间分位数回归应用分析[D]. 张海书.湖南师范大学 2016
[3]Bernstein-Schoenberg样条下的单峰贝叶斯非参数分位数回归[D]. 张明.大连理工大学 2016
[4]基于贝叶斯分位数回归的中国城镇居民性别收入差异研究[D]. 陈爱.南京财经大学 2016
[5]基于MCMC算法的贝叶斯分位数回归方法的实证应用[D]. 肖北芳.湖南师范大学 2015
[6]贝叶斯分位数自回归方法的研究及在香港恒生指数风险测度上的应用[D]. 朱玲.南京财经大学 2014
本文编号：3545076
【文章来源】：山西财经大学山西省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
监测站点分布图
贝叶斯时空分位数回归模型在中国城市 PM2.5 中的实证研究东、河南等，相对应的空间影响较小的城市则主要分布在青海、四川、西藏、云南等西南地区以及内蒙古等地；在 0.9 分位数水平下，与 0.1、0.5 分位数水平上的空间效应相似，影响较大的城市主要位于北京、河北等地以及新疆的西部，而影响较小的城市则主要分布在西藏、四川等地区。根据 2015、2016、2017 年各分位数水平上的空间效应分布情况，我们可发现北京、山东、河北等地的空间结构和非结构随机效应较大，即邻接城市以及城市内部结构的影响较大。
贝叶斯时空分位数回归模型在中国城市 PM2.5 中的实证研究、河南等，相对应的空间影响较小的城市则主要分布在青海、四川、西藏、云等西南地区以及内蒙古等地；在 0.9 分位数水平下，与 0.1、0.5 分位数水平上空间效应相似，影响较大的城市主要位于北京、河北等地以及新疆的西部，而响较小的城市则主要分布在西藏、四川等地区。根据 2015、2016、2017 年各分数水平上的空间效应分布情况，我们可发现北京、山东、河北等地的空间结构非结构随机效应较大，即邻接城市以及城市内部结构的影响较大。图 4.14 2015、2016、2017 年 0.1 分位数水平上的空间效应分布图
【参考文献】：
期刊论文
[1]GJR-CAViaR模型的贝叶斯分位数回归——基于Gibbs抽样的MCMC算法实现[J]. 张颖,傅强. 中央财经大学学报. 2017(07)
[2]科技创新、金融发展与产业结构升级——基于贝叶斯分位数回归的分析[J]. 谢婷婷,赵莺. 科技管理研究. 2017(05)
[3]贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究[J]. 梅波,田茂再. 统计研究. 2016(12)
[4]变量惩罚效应在贝叶斯分位数回归模型的应用[J]. 郭俊峰. 统计与决策. 2016(19)
[5]基于贝叶斯方法的比例数据分位数推断及其应用[J]. 赵为华,张日权. 统计与信息论坛. 2016(08)
[6]基于LASSO分位数回归的对冲基金投资策略研究[J]. 蒋翠侠,刘玉叶,许启发. 管理科学学报. 2016(03)
[7]基于面板分位数回归模型的收入、利率对房价的影响关系研究[J]. 张所地,范新英. 数理统计与管理. 2015(06)
[8]流动人口家庭与城镇家庭的消费差异——基于分位数回归的分析[J]. 王韬,毛建新. 人口与经济. 2015(04)
[9]保险行业人力资本收益率企业性质差异分析——基于MCMC算法的贝叶斯分位数回归[J]. 刘景松,冀巨海. 财会通讯. 2015(18)
[10]加权复合分位数回归方法在动态VaR风险度量中的应用[J]. 刘晓倩,周勇. 中国管理科学. 2015(06)
博士论文
[1]分位数回归的贝叶斯估计与应用研究[D]. 邸俊鹏.南开大学 2013
[2]基于MCMC算法的贝叶斯分位回归计量模型及应用研究[D]. 曾惠芳.湖南大学 2011
硕士论文
[1]贝叶斯自适应Lasso分位数回归及其在EVA分析中的应用[D]. 谢燕瑜.闽南师范大学 2016
[2]基于贝叶斯方法的空间分位数回归应用分析[D]. 张海书.湖南师范大学 2016
[3]Bernstein-Schoenberg样条下的单峰贝叶斯非参数分位数回归[D]. 张明.大连理工大学 2016
[4]基于贝叶斯分位数回归的中国城镇居民性别收入差异研究[D]. 陈爱.南京财经大学 2016
[5]基于MCMC算法的贝叶斯分位数回归方法的实证应用[D]. 肖北芳.湖南师范大学 2015
[6]贝叶斯分位数自回归方法的研究及在香港恒生指数风险测度上的应用[D]. 朱玲.南京财经大学 2014
本文编号：3545076
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3545076.html
最近更新
教材专著
