分位數(shù)回歸-高級計量.ppt

分位數(shù)回歸 主要內(nèi)容 1 OLS估計原理與QR估計的提出2 總體分位數(shù)及樣本分位數(shù)3 損失函數(shù)4 分位數(shù)回歸的估計方法與假設(shè)檢驗5 分位數(shù)估計的Stata操作 2020 1 30 東北大學(xué)工商管理學(xué)院 2 1 OLS回歸原理與QR估計的提出 傳統(tǒng)的回歸分析主要關(guān)注均值 即采用因變量條件均值的函數(shù)來描述自變量每一特定數(shù)值下的因變量均值 從而揭示自變量與因變量的關(guān)系 這類回歸模型實際上是研究被解釋變量的條件期望 描述了因變量條件均值的變化 OLS回歸模型著重考察x對y的條件期望E y x 的影響 實際上是均值回歸 2020 1 30 東北大學(xué)工商管理學(xué)院 3 1 OLS回歸原理與QR估計的提出 對于典型的一元回歸模型 2020 1 30 東北大學(xué)工商管理學(xué)院 4 外生性 球型擾動項 1 OLS回歸原理與QR估計的提出 2020 1 30 東北大學(xué)工商管理學(xué)院 5 1 OLS回歸原理與QR估計的提出 2020 1 30 東北大學(xué)工商管理學(xué)院 6 x y 擬合值和殘差 2020 1 30 東北大學(xué)工商管理學(xué)院 7 1 OLS回歸原理與QR估計的提出 2020 1 30 東北大學(xué)工商管理學(xué)院 8 1 OLS回歸原理與QR估計的提出 OLS回歸的缺點 1 對異常值特別敏感 2 是均值回歸 E y x 只是刻畫條件分布y x集中趨勢的指標(biāo) 而我們關(guān)心x對整個條件分布y x的影響 3 假設(shè)嚴(yán)格 誤差項條件均值為零 且方差獨立同分布 即y x服從漸進正態(tài)分布 如果y x不是對稱分布 則E y x 很難反映條件分布的全貌 2020 1 30 東北大學(xué)工商管理學(xué)院 9 異方差下的簡單回歸 2020 1 30 東北大學(xué)工商管理學(xué)院 10 1 OLS回歸原理與QR估計的提出 異方差的一種情形 2020 1 30 東北大學(xué)工商管理學(xué)院 11 1 OLS回歸原理與QR估計的提出 異方差下不同分位數(shù)的回歸結(jié)果 2020 1 30 東北大學(xué)工商管理學(xué)院 12 1 OLS回歸原理與QR估計的提出 1 OLS回歸原理與QR估計的提出 人們也關(guān)心解釋變量與被解釋變量分布的中位數(shù) 分位數(shù)呈何種關(guān)系 這就是分位數(shù)回歸 它最早由Koenker和Bassett于1978年提出 是估計一組回歸變量X與被解釋變量Y的分位數(shù)之間線性關(guān)系的建模方法 強調(diào)條件分位數(shù)的變化 分位數(shù)回歸使用殘差絕對值的加權(quán)平均 如 作為最小化的目標(biāo)函數(shù) 而不是像OLS采用作為目標(biāo)函數(shù) 不易受極端值影響 較為穩(wěn)健 分位數(shù)回歸還能提供關(guān)于條件分布y x的全面信息 2020 1 30 東北大學(xué)工商管理學(xué)院 13 1 OLS回歸原理與QR估計的提出 2020 1 30 東北大學(xué)工商管理學(xué)院 14 2 總體分位數(shù)與樣本分位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 15 2 總體分位數(shù)與樣本分位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 16 2 總體分位數(shù)與樣本分位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 17 2 總體分位數(shù)與樣本分位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 18 2 總體分位數(shù)與樣本分位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 19 2 總體分位數(shù)與樣本分位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 20 在統(tǒng)計學(xué)中損失函數(shù)是一種衡量損失和錯誤程度的函數(shù) 常記作 建模的主要目的是在給定x時表示求y的條件預(yù)測值 設(shè)表示預(yù)測函數(shù) 且表示預(yù)測誤差 如果損失的準(zhǔn)則是 那么就是OLS回歸 最優(yōu)預(yù)測值為條件均值 如果損失準(zhǔn)則是絕對誤差損失 那就是中位數(shù)回歸 最優(yōu)預(yù)測值為條件中位數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 21 3 損失函數(shù) 線性損失函數(shù)其中 k1和k2是兩個常數(shù) 反映在大于a和小于a時的損失程度 當(dāng)k1和k2相等時 可以得到絕對值形式的損失函數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 22 3 損失函數(shù) 對于之前的OLS來說 就是使得殘差平方和最小 即損失函數(shù)為平方損失函數(shù) 此為最小二乘回歸 而中位數(shù)回歸的損失函數(shù)為絕對值損失函數(shù) 則稱為最小一乘回歸 使得殘差絕對值的和最小 最小一乘回歸是分位數(shù)回歸的特例 在QR中 通過計算數(shù)據(jù)點到回歸線的加權(quán)距離 沒有平方 賦予擬合線下數(shù)據(jù)點的權(quán)重是1 q 賦予擬合線上數(shù)據(jù)點的權(quán)重為q 對于選擇的每個q 都會產(chǎn)生不同的條件分位數(shù)擬合函數(shù) 2020 1 30 東北大學(xué)工商管理學(xué)院 23 3 損失函數(shù) 對一個樣本 估計的分位數(shù)回歸式越多 對被解釋變量yt條件分布的理解就越充分 以一元回歸為例 如果用LAD 最小絕對離差和 法估計的中位數(shù)回歸直線與用OLS法估計的均值回歸直線有顯著差別 則表明被解釋變量yt的分布是非對稱的 2020 1 30 東北大學(xué)工商管理學(xué)院 24 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 如果散點圖上側(cè)分位數(shù)回歸直線之間與下側(cè)分位數(shù)回歸直線之間相比 上側(cè)比較接近 則說明被解釋變量yt的分布是左偏的 反之是右偏的 對于不同分位數(shù)回歸函數(shù) 如果回歸系數(shù)的差異很大 說明在不同分位數(shù)上解釋變量對被解釋變量的影響是不同的 2020 1 30 東北大學(xué)工商管理學(xué)院 25 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 2020 1 30 東北大學(xué)工商管理學(xué)院 26 不可微分 線性規(guī)劃 單純形法 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 2020 1 30 東北大學(xué)工商管理學(xué)院 27 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 2020 1 30 東北大學(xué)工商管理學(xué)院 28 使用自助法來求聚類穩(wěn)健標(biāo)準(zhǔn)誤 協(xié)方差矩陣 很難進行估計 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 2020 1 30 東北大學(xué)工商管理學(xué)院 29 4 分位數(shù)回歸的估計方法與假設(shè)檢驗 分位數(shù)回歸估計的檢驗包括兩部分 一是與均值回歸類似的檢驗 例如擬合優(yōu)度檢驗 擬似然比檢驗和Wald檢驗等 一是分位數(shù)回歸估計特殊要求的檢驗 例如斜率相等檢驗和斜率對稱性檢驗等 2020 1 30 東北大學(xué)工商管理學(xué)院 30 1 擬合優(yōu)度檢驗 假設(shè)分位數(shù)回歸直線為 則q分位數(shù)的加權(quán)誤差項的擬合值為 而實際的樣本q分位數(shù)的加權(quán)誤差項為 擬和優(yōu)度準(zhǔn)則表達式如下 2 斜率相等檢驗 斜率相等檢驗 即檢驗對于不同的分位點 估計得到的結(jié)構(gòu)參數(shù) 在線性模型中即為斜率 是否相等 原假設(shè)被設(shè)定為 其中指常數(shù)項以外的解釋變量所對應(yīng)的 k 1 維參數(shù)列向量 因此 原假設(shè)共含有 k 1 m 1 個約束條件 構(gòu)造Wald形式的統(tǒng)計量檢驗零假設(shè)是否成立 如果接受該假設(shè) 說明