面板数据非参数分位回归模型的研究与应用

发布时间：2024-05-06 23:51

　　参数回归模型简单方便,应用较为广泛,但目前简单的参数均值回归模型并不能很好的满足生活中的复杂数据。一方面是因为对于模型来说,参数模型是事先对模型作出假设,给定一个具体的模型形式,在一定假设条件之下,然后利用该固定模型对数据进行分析,而实际数据复杂多变,对于面板数据而言,包含信息更丰富,一般的参数模型已经不能很好的满足数据要求。另一方面,从模型随机误差项分布来说,现有的模型基本都是假设其服从规范的正态分布,而对于误差项服从于偏态或者尖峰状态等情况下的分布还存在缺陷。于是在现有研究基础之上,本文基于现有模型的部分缺陷,进一步对面板数据模型进行改善。为了对模型进行详细地解释,本文具体内容安排如下:第一部分,针对面板数据在贝叶斯分析的框架下讨论了非参数分位回归建模方法,利用更加平稳光滑的低秩薄板惩罚样条展开,虚拟变量和非对称Laplace分布的引入建立了贝叶斯分层分位回归模型,给出未知参数估计的Metropolis-Hastings抽样算法。模拟结果显示,新提出的模型在无偏性与稳定性上相较于传统模型都有明显的改善,对数据的适应能力更强,拟合更充分。为了将模型应用到实际情况当中,将新模型应用到中...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

湖北工业大学硕士学位论文10图1.1全文技术路线图

湖北工业大学硕士学位论文18从模型(3.8)可看出，分位回归模型与均值回归模型不同的是，分位回归模型的误差项不出现在模型中，从Yu等人的研究中可发现[54]，这是因为在条件分布中，随机误差项已经被分位估计量所解释，也即分位回归模型基本假设为，其随机误差项在分位为0，与标准的均值回....

湖北工业大学硕士学位论文19为了简单起见，我们将似然函数用设计矩阵表示，这里省去了参数的标识，jy表示向量Y的第j个元素，,jjXZ分别表示设计矩阵X和Z的第j行。本文假设分位回归模型的响应变量服从为ALD分布，为了对该分布作出直观上的展示，作出非对称拉普拉斯分布的密度函数和曲线....

湖北工业大学硕士学位论文28而且运行时间明显变长。具体表现为当节点数为24时，MSE达到最小，当节点数为29时，Bias达到最小，但运行时间分别为112.25和133.25，计算缓慢；而从运行时间来看，当节点数达为13时，运行时间最少，且其MSE和Bias与最佳值相差甚小，所以综....

本文编号：3966524