扭曲测量误差数据下分位数回归模型的统计分析
本文关键词: 扭曲测量误差数据 混杂变量 分位数回归 相对渐近效率 出处:《深圳大学》2017年硕士论文 论文类型:学位论文
【摘要】:近年来,随着科学技术的迅速发展,我们发现在越来越多的学科当中,测量误差数据开始频繁出现,如在医疗健康,金融经济,工程测量等等诸多方面的应用研究中。一般情况下存在两种测量误差数据模型:一种是有可加形式的测量误差数据模型,这种模型也包括了传统的测量误差模型;另一种是有相乘结构的测量误差数据模型,我们称作扭曲测量误差模型。在本文中,我们主要研究的是扭曲测量误差模型。这种测量误差数据有以下特征:第一,我们所感兴趣的主要变量无法观测或测量得到;第二,这些主要变量(模型中的响应变量和协变量)被一些常见的可被观测到的混杂变量的某种形式的函数所扭曲,而函数形式通常又是未知的。因此,对这类的扭曲测量误差数据建立一个分位数回归模型是本文的主要研究工作。对于扭曲测量误差数据建模,已有很多研究给出相当有价值的建议,本文在这些基础上尝试用一种新的方法—分位数回归估计,来对这类数据建模,以期达到更好的效果。在对那些含有误差的变量标准化处理后,本文研究了分位数回归估计方法来给这些变量建模。随后,我们研究了估计量的渐近性质,并且与最小二乘回归估计比较了相对渐近效率。最后,本文通过模拟来验证所提出方法的估计效果,并用所提出的方法与程序分析一组实际数据集。
[Abstract]:In recent years, with the rapid development of science and technology, we found that in more and more disciplines, measurement error data began to appear frequently, such as medical health, financial economy. Generally, there are two kinds of measurement error data models: one is the measurement error data model with additive form. This model also includes the traditional measurement error model. The other is the measurement error data model with multiplicative structure, which is called the distortion measurement error model in this paper. We mainly study the distortion measurement error model, which has the following characteristics: first, the main variables we are interested in can not be observed or measured; Second, these main variables (response variables and covariables in the model) are distorted by some form of function of some common observable hybrid variable, which is usually unknown. Establishing a quantile regression model for this kind of distortion measurement error data is the main research work in this paper. There are many valuable suggestions for the distortion measurement error data modeling. In this paper, we try to use a new method, quantile regression estimation, to model this kind of data in order to achieve better results. In this paper, the quantile regression estimation method is studied to model these variables. Then, we study the asymptotic properties of the estimator, and compare the relative asymptotic efficiency with the least square regression estimation. In this paper, the estimation effect of the proposed method is verified by simulation, and a set of actual data sets is analyzed by the proposed method and program.
【学位授予单位】:深圳大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:O212.1
【相似文献】
相关期刊论文 前10条
1 李育安;;分位数回归及应用简介[J];统计与信息论坛;2006年03期
2 张代强;张屹山;;前瞻性利率规则在我国的实证研究——基于分位数回归方法的变参数检验[J];数量经济技术经济研究;2008年10期
3 刘生龙;;教育和经验对中国居民收入的影响——基于分位数回归和审查分位数回归的实证研究[J];数量经济技术经济研究;2008年04期
4 胡永远;倪丽艳;;基于分位数回归的社会救助再就业人群收入研究[J];山东财政学院学报;2013年03期
5 陈建宝;丁军军;;分位数回归技术综述[J];统计与信息论坛;2008年03期
6 解栋栋;;服务业发展与人均收入的关系:基于分位数回归的实证研究[J];当代财经;2009年08期
7 卢荻千;;基于分位数回归的净资产收益率研究——来自2008年我国上市公司的财务数据[J];金融经济;2009年20期
8 张珏;;基于分位数回归模型的证券市场风险研究[J];统计与决策;2011年09期
9 林德钦;;基于分位数回归的我国居民边际消费倾向动态研究[J];新余学院学报;2011年03期
10 王珍;高民芳;;基于分位数回归的资本结构影响因素研究[J];中国集体经济;2011年25期
相关会议论文 前6条
1 林艺圃;;中国股市价量关系的实证分析分位数回归模型[A];中国社会科学院第三届中国经济论坛论文集(下)[C];2007年
2 陈娟;林龙;叶阿忠;;基于分位数回归的中国居民消费研究[A];中国社会科学院第三届中国经济论坛论文集(下)[C];2007年
3 夏宁;;中国上市公司高管人员薪酬的影响因素与成因分解——一个基于分位数回归模型的实证研究[A];中国会计学会财务管理专业委员会2009年学术年会论文集[C];2009年
4 宋马林;吴杰;高玉强;张琳玲;宋峰;;中国入世以来的对外贸易与环保效率——基于分省面板数据的实证分析[A];中国贸易救济与产业安全论丛(2012)——第七届中国贸易救济与产业安全研究奖获奖论文集[C];2013年
5 任声策;;创新和出口的互动关系:基于中国制造业企业的实证[A];第八届(2013)中国管理学年会——技术与创新管理分会场论文集[C];2013年
6 刘鑫波;张志敏;梁逸曾;;高效准确的高分辨数据快速平滑与基线校正算法[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
相关博士学位论文 前7条
1 康宁;分位数回归模型及在金融经济中的应用[D];合肥工业大学;2016年
2 刘惠篮;基于复合分位数回归方法的统计模型的相关研究[D];重庆大学;2016年
3 Muhammad Amin;高维惩罚分位数回归建模及其应用[D];大连理工大学;2015年
4 韩月丽;极值统计与分位数回归理论及其应用[D];天津大学;2009年
5 关静;分位数回归理论及其应用[D];天津大学;2009年
6 项云帆;资本资产定价模型及实证分析[D];华中科技大学;2010年
7 陈林兴;基于空间视角的我国省际农村居民消费趋同性研究[D];浙江大学;2012年
相关硕士学位论文 前10条
1 代贝;基于分位数回归的农村居民消费区域差异研究[D];昆明理工大学;2015年
2 罗小青;基于分位数回归的中国GDP与电力消费量关系研究[D];华南理工大学;2015年
3 于琴;西部地区农村产权抵押贷款对农户收入的影响研究[D];西北农林科技大学;2015年
4 王欢欢;绩效评估角度的信息化升级时间域选择模型[D];首都经济贸易大学;2015年
5 刘袁;利率市场化背景下商业银行利率风险的测度[D];南京财经大学;2015年
6 周策;VaR模型在我国开放式上市基金市场的实证分析[D];广东外语外贸大学;2015年
7 耿国强;分位数回归理论及其在金融时间序列的应用[D];中国矿业大学;2015年
8 王琪锋;复合分位数回归在线性时间序列下的应用[D];大连理工大学;2015年
9 吴博闻;删失数据下部分线性变系数模型的分位数回归[D];大连理工大学;2015年
10 凌珂;生长曲线模型的分位数回归与变量选择[D];华东师范大学;2015年
,本文编号:1458758
本文链接:https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/1458758.html