由于在回歸估計(jì)當(dāng)中,經(jīng)典的最小二乘估計(jì)僅僅關(guān)注了相應(yīng)變量中心部分的變化趨勢(shì),存在一定的局限性,為了克服這種局限,更全面的了解數(shù)據(jù),1978年,Koenker提出了分位數(shù)回歸的方法。與常見(jiàn)的均值回歸相比較而言,分位數(shù)回歸是一種通過(guò)最小化加權(quán)殘差絕對(duì)值和來(lái)建立模型的方法,這種方法能夠通過(guò)設(shè)定不同的分位值點(diǎn),來(lái)更全面的刻畫(huà)數(shù)據(jù)整體的分布特征,尤其在針對(duì)模型存在誤差項(xiàng)異方差、或數(shù)據(jù)包含有異常值時(shí)的情形下具有更好的表現(xiàn)。因此分位數(shù)回歸方法受到了廣泛的關(guān)注以及更為深入的實(shí)踐應(yīng)用。但分位數(shù)回歸的估計(jì)效率會(huì)受到分位點(diǎn)取值的影響,因此衍生出了復(fù)合分位數(shù)回歸方法,在分位數(shù)回歸的基礎(chǔ)上,強(qiáng)制不同分位點(diǎn)上的回歸系數(shù)保持一致,從而進(jìn)一步提高估計(jì)的效率。模型平均化是將來(lái)自不同模型的估計(jì)結(jié)果或預(yù)測(cè)結(jié)果,通過(guò)一定的權(quán)重進(jìn)行平均化的方法,也稱為模型組合。與模型選擇相比,模型平均化方法能夠避免遺失數(shù)據(jù)信息及由于選擇錯(cuò)誤模型而造成偏差的風(fēng)險(xiǎn),相對(duì)于模型選擇方法更加穩(wěn)健,是解決模型選擇不確定性并減低誤差的有效方法。本論文中,介紹了復(fù)合分位數(shù)回歸及模型平均化的理論基礎(chǔ)和優(yōu)良性質(zhì),并在局部偏差框架下,將這兩方法相結(jié)合,用于參數(shù)估...

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1. 緒論
    1.1 論文研究背景
    1.2 分位數(shù)回歸的發(fā)展與研究現(xiàn)狀
    1.3 模型平均方法起源及發(fā)展
2. 分位數(shù)回歸基本理論與性質(zhì)
    2.1 基本原理
    2.2 分位數(shù)回歸的性質(zhì)
        2.2.1 分布特征指標(biāo)及同變性
        2.2.2 穩(wěn)健性
        2.2.3 分位數(shù)估計(jì)的漸近性質(zhì)
3. 復(fù)合分位數(shù)回歸
    3.1 基本原理
    3.2 漸近性質(zhì)
    3.3 Oracle性質(zhì)
    3.4 局部復(fù)合分位數(shù)回歸
4. 模型平均方法
    4.1 模型平均方法基本原理
    4.2 權(quán)重選擇方法
5. 復(fù)合分位數(shù)平均估計(jì)模型
    5.1 基本框架
    5.2 性質(zhì)及證明
    5.3 權(quán)重選擇
6. 數(shù)據(jù)模擬
    6.1 數(shù)據(jù)模擬
        6.1.1 數(shù)據(jù)生成
        6.1.2 結(jié)果分析
    6.2 實(shí)例分析
7. 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 研究展望
參考文獻(xiàn)
致謝



本文編號(hào)：4000166