資源描述:
《面板數(shù)據(jù)的分位回歸方法及其模擬研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、面板數(shù)據(jù)的分位回歸方法及其模擬研究羅幼喜/田茂再【專(zhuān)題名稱(chēng)】統(tǒng)計(jì)與精算【專(zhuān)題號(hào)】F104【復(fù)印期號(hào)】2011年01期【原文出處】《統(tǒng)計(jì)研究》(京)2010年10期第81~87頁(yè)【英文標(biāo)題】QuantileRegressionMethodforPanelDataandItsSimulationStudy【作者簡(jiǎn)介】羅幼喜,男,1979年生,湖北省紅安縣人,2005年畢業(yè)于華中師范大學(xué)概率論與數(shù)理統(tǒng)計(jì)專(zhuān)業(yè),獲理學(xué)碩士學(xué)位,現(xiàn)為湖北工業(yè)大學(xué)理學(xué)院講師,中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)專(zhuān)業(yè)博士研究生,研究方向?yàn)閿?shù)理統(tǒng)計(jì)及統(tǒng)計(jì)建模;????田茂再,男,19
2、69年生,湖南省人,2001年畢業(yè)于南開(kāi)大學(xué)概率統(tǒng)計(jì)專(zhuān)業(yè),獲理學(xué)博士學(xué)位,現(xiàn)為中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院教授,博士生導(dǎo)師,研究方向?yàn)閿?shù)理統(tǒng)計(jì)?!緝?nèi)容提要】文章討論了含有固定效應(yīng)的面板數(shù)據(jù)模型,給出了3種估計(jì)未知參數(shù)的分位回歸方法,蒙特卡洛模擬結(jié)果顯示這些分位回歸方法是處理面板數(shù)據(jù)的有效手段,且在誤差非正態(tài)時(shí)優(yōu)于均值回歸方法。文章最后給出了一個(gè)真實(shí)數(shù)據(jù)的建模案例,得到了有利于決策的有用參考信息。Thepaperdiscussesfixedeffectspaneldatamodelandgivesthreequantileregression
3、estimatesoftheunknownparameters.MonteCarlosimulationstudyindicatesthatthesequantileregressionmethodsareeffectiveindealwiththepaneldatamodelanddobetterthanmeanregressionmethodswhentheerrordistributionisnonnormal.Finally,arealdataisstudiedandsomeusefulreferenceinformatio
4、nfordecision-makingisobtained.【關(guān)鍵詞】面板數(shù)據(jù)/固定效應(yīng)/分位回歸/蒙特卡洛模擬paneldata/fixedeffects/quantileregression/MonteCarlosimulationEEUU????一、引言????面板數(shù)據(jù)也稱(chēng)時(shí)間序列截面數(shù)據(jù)或混合數(shù)據(jù),是一種同時(shí)在時(shí)間和截面空間上取得的二維數(shù)據(jù),具有傳統(tǒng)截面數(shù)據(jù)和時(shí)間序列方法所不具備的優(yōu)勢(shì)。????面板數(shù)據(jù)雖有諸多好處,也被廣泛應(yīng)用于各個(gè)領(lǐng)域,但是存在著一定的局限性,一是傳統(tǒng)的面板數(shù)據(jù)分析方法主要是基于服從正態(tài)分布的數(shù)據(jù)而做出的
5、,然而一旦數(shù)據(jù)分布類(lèi)型發(fā)生改變,這種傳統(tǒng)的方法所作出的統(tǒng)計(jì)結(jié)論將不再可靠,而且我們目前也沒(méi)有建立起一個(gè)衡量這種改變究竟會(huì)對(duì)最終結(jié)論帶來(lái)多大風(fēng)險(xiǎn)的度量方法;二是傳統(tǒng)的面板數(shù)據(jù)分析方法是一種條件均值模型,其主要目的只針對(duì)于估計(jì)和檢驗(yàn)均值效應(yīng),然而數(shù)據(jù)的信息是全方位的,這種只對(duì)均值模型做估計(jì)和檢驗(yàn)的方法雖然能夠讓研究者迅速掌握變量均值間可能存在的相互關(guān)系,但卻忽略了數(shù)據(jù)其他方面的信息,沒(méi)有能對(duì)數(shù)據(jù)的各個(gè)層次做一個(gè)全方位的刻畫(huà),遺漏了一些可能存在的重要信息,而這些信息往往是很多研究者在均值回歸中難以發(fā)現(xiàn)的。????為了改進(jìn)傳統(tǒng)面板數(shù)據(jù)分析方
6、法的限制,本文考慮嘗試將Koenker和Bassett(1978)提出的分位回歸思想引入面板數(shù)據(jù)的分析之中。分位回歸方法與傳統(tǒng)均值回歸方法不同,它是針對(duì)響應(yīng)變量的條件分位函數(shù)進(jìn)行統(tǒng)計(jì)推斷的。首先這一方法的目標(biāo)函數(shù)是加權(quán)的絕對(duì)偏差和,所以被估計(jì)的系數(shù)向量對(duì)響應(yīng)變量的離群點(diǎn)并不敏感,當(dāng)誤差項(xiàng)服從非正態(tài)的時(shí)候,這種方法得到的估計(jì)量要比傳統(tǒng)最小二乘估計(jì)量更可靠。其次這一方法在給定一組預(yù)測(cè)變量之后,能在任意分位點(diǎn)全面刻畫(huà)響應(yīng)變量的條件分布,給出數(shù)據(jù)各個(gè)層次間可能存在的重要信息,是對(duì)傳統(tǒng)均值回歸方法的一種有益改進(jìn)和補(bǔ)充。????Koenker(
7、2004)考慮了縱向數(shù)據(jù)(LongitudinalData)的分位回歸方法,考慮將固定效應(yīng)作為懲罰項(xiàng)的分位檢驗(yàn)函數(shù)最小化估計(jì)方法,雖然蒙特卡洛模擬結(jié)果顯示此方法在非正態(tài)分布情形下要優(yōu)于傳統(tǒng)的均值回歸方法,但在每個(gè)個(gè)體層樣本量較小的情況下該方法是很難得到有效的估計(jì),且文獻(xiàn)沒(méi)有給出如何確定懲罰參數(shù)A取值的有效方法;Tian,MaozaiandChen,Gemai(2006)在正態(tài)假定下對(duì)分層線性模型提出了分層分位回歸的思想,給出了一種新的迭代算法:EQ算法,考慮了EQ算法的漸近性質(zhì);Galvao(2008)提出了動(dòng)態(tài)面板數(shù)據(jù)的分位回歸方
8、法,通過(guò)引入了工具變量減少遺漏變量帶來(lái)的偏差,蒙特卡洛研究證實(shí)該方法在處理數(shù)據(jù)非正態(tài)和厚尾時(shí)比傳統(tǒng)方法更具有優(yōu)勢(shì);GalvaoandMontes-Rojas(2009)同樣引入工具變量討論了含有測(cè)量誤差的動(dòng)態(tài)面板數(shù)據(jù)分位回歸方法;Ha