面板数据的无条件分位数回归方法与应用

发布时间：2020-11-16 07:09

　　 面板数据条件分位数回归模型由于兼具面板数据模型和条件分位数回归方法的优势,能够在控制个体异质性的基础上,在不同分位点上全面刻画解释变量对被解释变量条件分布的影响,因此在计量建模研究中应用十分普遍。但是,若想直接得到自变量对响应变量的一般边际影响,而不依赖于其他协变量,则需要借助无条件分位数回归技术。目前无条件分位数回归技术主要包括基于再中心化影响函数的无条件分位数回归理论和一般无条件分位数回归理论。基于此,本文致力于构建面板数据无条件分位数回归模型,从而为分位数回归方法提供一种新思路。针对面板数据的再中心化影响函数回归模型,依次构建了基于一阶差分和固定效应变换法的无条件分位数回归以及含虚拟变量的无条件分位数回归和惩罚无条件分位数回归,给出参数具体的点估计和区间估计办法。计算机模拟仿真结果显示,只有不存在其它协变量的影响下,条件分位数和无条件分位数回归方法的估计结果才会保持一致,而当其它协变量的影响存在时,条件分位数回归会基于所有其它协变量做出估计,而无条件分位数回归可直接得到特定分位点下某个协变量对响应变量的一般边际影响。其次,四种针对面板数据提出的无条件分位数回归方法都能得到准确有效的估计结果,其中惩罚无条件分位数回归的估计效果最优。最后对我国城镇居民分项收入对消费支出的影响进行了研究分析,发现工资性收入的增加对消费的促进效应最强,并且其对中低消费人群的刺激作用更大。针对面板数据一般无条件分位数回归模型,基于两个矩条件,构建一般无条件分位数回归方法,借助广义矩估计得到参数的估计值并给出置信区间的估计办法。计算机模拟仿真结果显示,在不同误差分布、数据量和分位点下,一般无条件分位数回归方法的估计效果都最优,但在实际操作中估计过程稍显复杂,需要根据估计参数的数量设计相应的优化算法。最后对我国城镇居民总体的收入消费情况进行了研究分析,发现中低消费人群收入水平的提高在一定程度上会刺激消费,而高消费人群收入水平的进一步增加,并不会对其消费产生更为明显的促进作用。
【学位单位】：湖北工业大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：F126;F224
【部分图文】：

湖北工业大学硕士学位论文71.3研究思路及研究内容1.3.1研究思路无条件分位数回归方法不仅是对传统条件分位数回归方法的一种补充，更是为人们所感兴趣的问题提供一种新的工具，具有重大的研究意义。因此本文致力将无条件分位数回归方法引入到面板数据模型中，基于FFL和Powell的研究工作，详细介绍两种无条件分位数回归方法，并针对含有固定效应的面板数据，构建两种框架下的无条件分位数回归模型，给出具体参数的点估计与置信区间的估计方法，并且采用蒙特卡罗模拟对传统条件分位数回归和两种无条件分位数回归方法进行详细的比较研究，最后用将模型应用于实证分析，以此来证明新方法的实用性。本文技术路线图如图1.1所示。图1.1技术路线图1.3.2研究内容根据本文的研究思路及方法，将本文大致分为四个部分，具体内容如下：第一部分为绪论部分。主要描述无条件分位数回归技术的研究背景和研究意义，详细展示和论述了国内外相关的研究现状，并介绍了本文的研究思路、研究内容和创新之处。

000次模拟结果展示图

湖北工业大学硕士学位论文23图2.2原始数据变量间关系展示图注：***，**，*分别表示在0.001，0.01，0.05水平下显著。观察图2.2，消费性支出、工资性收入、经营净收入和转移净收入这几个变量数据在中低水平下分布较多，而财产净收入在低水平下数据分布较多，反映在现实生活中，中低收入和消费者占绝大多数，而高收入高消费的人群占比较少，导致各变量数据均呈现出不同程度的偏态分布。其次，各变量间存在较为显著的相关关系，消费性支出分别与工资性收入和财产净收入之间的相关系数高达0.8以上，消费性支出和转移净收入之间的相关系数也在0.6左右，说明不同来源的收入与消费支出间存在较高的相关性。另外，四种不同来源的收入变量间的相关性也十分显著，特别是工资性收入和财产净收入间的相关系数高达0.7，显示解释变量间存在明显的多重共线性。从散点图可以看出，除经营净收入之外，消费性支出与其它三种不同来源收入变量间存在较为明显的线性关系。因此，结合数据的分布特征和前人的研究成果，为了研究不同来源收入对消费的影响，本节借用固定效应面板数据模型来构建我国城镇居民分项收入消费函数为：iti1it2it3it4ititconsalmanprotra其中，i表示不同地区，t表示年份，con表示消费性支出，sal表示工资性收入，man表示经营净收入，pro表示财产净收入，tra表示转移净收入，为个体固定
【相似文献】

相关期刊论文 前10条

1 周少甫;范兆媛;;年龄对医疗费用增长的影响:基于分位数回归模型的分析[J];中国卫生经济;2016年06期

2 姜励卿;钱文荣;;公共部门与非公共部门工资差异的分位数回归分析[J];统计研究;2012年01期

3 朱平芳;张征宇;;无条件分位数回归:文献综述与应用实例[J];统计研究;2012年03期

4 吴建南;马伟;;分位数回归与显著加权分析技术的比较研究[J];统计与决策;2006年07期

5 谭治国;蔡乙萍;;分位数回归在风险管理中的应用[J];统计与决策;2006年17期

6 陈晋玲;;基于分位数回归的人力资本结构对产业结构优化升级的影响研究——以山西省为例[J];商业经济;2020年06期

7 肖桂姣;;分位数回归下的指标设计与实现[J];当代经济;2019年02期

8 陈子亮;卿清;;影响波士顿不同社区房价水平的因素分析——基于分位数回归方法[J];商;2015年30期

9 施鹏;;分位数回归对资产定价模型的比较分析[J];商业故事;2016年34期

10 吴卫星;魏晓璇;吴锟;;金融素养与金融满意度[J];金融科学;2017年01期

相关博士学位论文 前10条

1 周小英;逐段连续线性分位数回归模型的统计推断及其应用[D];湖南大学;2018年

2 蔡超;基于大规模数据的分位数回归方法及应用[D];合肥工业大学;2017年

3 王生云;中国经济高速增长的亲贫困程度研究：1989-2009[D];浙江大学;2013年

4 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

5 周小双;若干复杂数据模型的经验似然和复合推断方法[D];山东大学;2013年

6 樊军;高维二次度量回归模型研究[D];北京交通大学;2017年

7 孙旭;人力资本及其对中国省区全要素生产率增长的影响[D];东北财经大学;2010年

8 黄曼行;财务困境、会计稳健性与债务契约有用性[D];南京大学;2014年

9 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

10 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

相关硕士学位论文 前10条

1 左倩;面板数据的无条件分位数回归方法与应用[D];湖北工业大学;2020年

2 张竟伊;基于Copula分位数-分位数回归的中国股债相关性研究[D];厦门大学;2019年

3 赵力静;面板数据的贝叶斯Elastic Net分位数回归模型及其应用研究[D];厦门大学;2019年

4 刘柳;个人所得税对地市间城镇居民收入差距的影响[D];厦门大学;2019年

5 谢晶晶;非参数分位数回归模型估计方法的比较研究[D];厦门大学;2019年

6 梁维娟;部分函数交互模型的结构稀疏分位数回归研究[D];厦门大学;2019年

7 周琴;我国人口老龄化对收入差距影响的实证研究[D];中南财经政法大学;2019年

8 陆海洋;复合分位数回归方法在国债风险时序模型中的应用[D];首都经济贸易大学;2019年

9 郑胜林;Bent-cable分位数回归模型的研究及应用[D];湖南大学;2019年

10 夏杭;金融发展与城市化对碳排放影响的面板分位数回归研究[D];湖南大学;2019年

本文编号：2885778