【摘要】：在研究實際問題的時候,人們通常比較關心某個解釋變量對被解釋變量的影響,即稱之為偏效應或者邊際效應。普通最小二乘回歸方法是解決這類問題的一個常用方法。但是普通最小二乘回歸實際上是一種條件均值回歸,條件均值僅僅是刻畫條件分布的一個指標,它得到偏效應是條件平均偏效應。分位數(shù)回歸方法則能對整個分布的全貌進行刻畫,得到各個分位數(shù)上的偏效應。傳統(tǒng)的分位數(shù)回歸是一種條件分位數(shù)回歸,它得到的偏效應是條件分位數(shù)偏效應。另一種分位數(shù)回歸則是無條件分位數(shù)回歸,借助影響函數(shù)和再中心化影響函數(shù)的性質(zhì),它能夠得到無條件分位數(shù)偏效應。分位數(shù)回歸方法比普通最小二乘回歸方法提供了更加豐富的信息。本文通過幾個數(shù)據(jù)生成過程模擬了普通最小二乘回歸方法與分位數(shù)回歸方法所得的偏效應之間的差異,并以普通最小二乘回歸作為參照,利用兩種分位數(shù)回歸對性別收入不平等進行實證研究,發(fā)現(xiàn)性別對收入有顯著影響,各種偏效應之間存在較為明顯的不同,且利用無條件分位數(shù)偏效應的幾個估計方法得到了很相似的結(jié)果,表明了估計方法的穩(wěn)健性。同時基于無條件分位數(shù)回歸使用反事實框架對性別收入差異進行分解,發(fā)現(xiàn)性別歧視在性別收入差異中占有主導地位。由于分位數(shù)回歸方法相比于普通最小二乘回歸方法的巨大優(yōu)勢,尤其是異方差情形,分位數(shù)回歸方法越來越受到研究者們的重視,在如今數(shù)據(jù)爆炸的時代,它能發(fā)揮出很大的作用。
【圖文】：

(0.0193) (0.0263) (0.0285)edu3 0.5397*** 0.5069*** 0.5765***(0.0205) (0.0275) (0.0308)health －0.0705*** －0.0624*** －0.0807***(0.0098) (0.0131) (0.0149)cons 1.2246*** 1.1746*** 1.4008***(0.1223) (0.1642) (0.1917)注：小括號里面的數(shù)值是穩(wěn)健標準誤，星號表示顯著性，其中***表示 1%水平下顯著，**表示 5%水平下顯著，*表示 10%水平下顯著。接下來是對異方差性進行檢驗，以全樣本回歸為例，本文將從殘差圖以及統(tǒng)計檢驗兩個方面來對異方差性進行檢驗，所選殘差圖為殘差與擬合值的散點圖，而用統(tǒng)計量來檢驗異方差性有多種方法，包括 LM 檢驗、BP 檢驗、White 檢驗等方法，本文選取 White 檢驗統(tǒng)計量。散點圖結(jié)果如下所示：

處制造業(yè)比其他行業(yè)的條件收入要高，0.5 分位點處的條件收入差異不大，而 0.9分位點處制造業(yè)比其他行業(yè)的條件收入要低。對于變量 edu2 和變量 edu3 而言，3 個分位點處的 CQPE 均為正值并顯著，且在每個分位點處的 edu3 的 CQPE 均比 edu2 的 CQPE 要大，這表明在這 3 個分位點處，學歷高的居民條件收入比學歷低的居民高，且學歷越高相應的條件收入也越高。對于健康狀況(health)而言，三個分位點處的 CQPE 均為負值且顯著，這表明在三個分位點處，，均有越健康的居民條件收入相應更高一些。本文主要討論性別收入差異，前面已經(jīng)分析了 0.1，0.5，0.9 分位點處性別(gender)對于對數(shù)收入(lwage)的 CQPE，發(fā)現(xiàn)這三個分位點的 CQPE 基本相同，這并不能表示在其他分位點處的 CQPE 也相同，因此要想更加深入了解 CQPE隨分位點的變化，有必要對更多分位點處的 CQPE 進行討論，不妨取 19 個分位點處的 CQPE，再對其進行斜率相等檢驗，發(fā)現(xiàn)檢驗的 P 值幾乎為 0，因此拒絕斜率相等的假設。這說明在更多分位點處，性別(gender)對于對數(shù)收入(lwage)的CQPE 是有差異的，其 CQPE 隨分位值 τ 變化的趨勢圖如下所示：
【學位授予單位】：東北師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：C81;F224

【參考文獻】

相關期刊論文 前2條

1 羅玉波;;房價影響因素分析:分位數(shù)回歸方法[J];統(tǒng)計與決策;2011年06期

2 金成曉;余志剛;;中國能源產(chǎn)業(yè)安全預警:基于分位數(shù)回歸方法的計量研究[J];學習與探索;2010年05期

本文編號：2645217