空氣污染問題作為全球熱點問題,受到越來越多人的關(guān)注。相對其他國家的空氣質(zhì)量來說,中國的空氣污染程度較為嚴(yán)重,對人們健康造成一定威脅,且在十九大報告會議上,習(xí)近平總書記明確提出要解決損害群眾健康的突出環(huán)境問題,因此研究我國城市空氣污染數(shù)據(jù)具有一定必要性�，F(xiàn)階段分位數(shù)回歸法在環(huán)境領(lǐng)域內(nèi)的應(yīng)用相對較少。而在環(huán)境污染領(lǐng)域內(nèi),真實的時空數(shù)據(jù)生成過程并不滿足經(jīng)典統(tǒng)計中的獨立重復(fù)試驗假設(shè),且傳統(tǒng)分位數(shù)回歸方法中估計量的漸近有效性是基于個體數(shù)和時期數(shù)趨于無限的假設(shè),而在實際應(yīng)用中,空氣污染數(shù)據(jù)的觀測值有限,很難保證傳統(tǒng)分位數(shù)回歸估計量的有效性。針對傳統(tǒng)分位數(shù)回歸方法中的這些不足,本文決定選用貝葉斯參數(shù)分位數(shù)回歸方法,該方法不僅充分考慮了參數(shù)的不確定性風(fēng)險,而且還能準(zhǔn)確預(yù)測參數(shù)的不確定性程度,且在小樣本和目標(biāo)函數(shù)非凸或不可導(dǎo)的情況下同樣適用。在貝葉斯理論框架下,結(jié)合非對稱拉普拉斯分布和分位數(shù)回歸理論,可實現(xiàn)對分位數(shù)回歸模型的貝葉斯估計,考慮到PM2.5在空間上不僅受鄰接城市的影響,同時也受自身內(nèi)部結(jié)構(gòu)的影響,因此本文在一般分位數(shù)回歸模型的基礎(chǔ)上引入條件自回歸模型,通過設(shè)置虛擬變量,以此全面反映PM2.5... 

【文章來源】：山西財經(jīng)大學(xué)山西省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

監(jiān)測站點分布圖

貝葉斯時空分位數(shù)回歸模型在中國城市 PM2.5 中的實證研究東、河南等，相對應(yīng)的空間影響較小的城市則主要分布在青海、四川、西藏、云南等西南地區(qū)以及內(nèi)蒙古等地；在 0.9 分位數(shù)水平下，與 0.1、0.5 分位數(shù)水平上的空間效應(yīng)相似，影響較大的城市主要位于北京、河北等地以及新疆的西部，而影響較小的城市則主要分布在西藏、四川等地區(qū)。根據(jù) 2015、2016、2017 年各分位數(shù)水平上的空間效應(yīng)分布情況，我們可發(fā)現(xiàn)北京、山東、河北等地的空間結(jié)構(gòu)和非結(jié)構(gòu)隨機效應(yīng)較大，即鄰接城市以及城市內(nèi)部結(jié)構(gòu)的影響較大。

貝葉斯時空分位數(shù)回歸模型在中國城市 PM2.5 中的實證研究、河南等，相對應(yīng)的空間影響較小的城市則主要分布在青海、四川、西藏、云等西南地區(qū)以及內(nèi)蒙古等地；在 0.9 分位數(shù)水平下，與 0.1、0.5 分位數(shù)水平上空間效應(yīng)相似，影響較大的城市主要位于北京、河北等地以及新疆的西部，而響較小的城市則主要分布在西藏、四川等地區(qū)。根據(jù) 2015、2016、2017 年各分?jǐn)?shù)水平上的空間效應(yīng)分布情況，我們可發(fā)現(xiàn)北京、山東、河北等地的空間結(jié)構(gòu)非結(jié)構(gòu)隨機效應(yīng)較大，即鄰接城市以及城市內(nèi)部結(jié)構(gòu)的影響較大。圖 4.14 2015、2016、2017 年 0.1 分位數(shù)水平上的空間效應(yīng)分布圖

【參考文獻(xiàn)】：
期刊論文
[1]GJR-CAViaR模型的貝葉斯分位數(shù)回歸——基于Gibbs抽樣的MCMC算法實現(xiàn)[J]. 張穎,傅強.  中央財經(jīng)大學(xué)學(xué)報. 2017(07)
[2]科技創(chuàng)新、金融發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)升級——基于貝葉斯分位數(shù)回歸的分析[J]. 謝婷婷,趙鶯.  科技管理研究. 2017(05)
[3]貝葉斯時空分位回歸模型及其對北京市PM2.5濃度的研究[J]. 梅波,田茂再.  統(tǒng)計研究. 2016(12)
[4]變量懲罰效應(yīng)在貝葉斯分位數(shù)回歸模型的應(yīng)用[J]. 郭俊峰.  統(tǒng)計與決策. 2016(19)
[5]基于貝葉斯方法的比例數(shù)據(jù)分位數(shù)推斷及其應(yīng)用[J]. 趙為華,張日權(quán).  統(tǒng)計與信息論壇. 2016(08)
[6]基于LASSO分位數(shù)回歸的對沖基金投資策略研究[J]. 蔣翠俠,劉玉葉,許啟發(fā).  管理科學(xué)學(xué)報. 2016(03)
[7]基于面板分位數(shù)回歸模型的收入、利率對房價的影響關(guān)系研究[J]. 張所地,范新英.  數(shù)理統(tǒng)計與管理. 2015(06)
[8]流動人口家庭與城鎮(zhèn)家庭的消費差異——基于分位數(shù)回歸的分析[J]. 王韜,毛建新.  人口與經(jīng)濟. 2015(04)
[9]保險行業(yè)人力資本收益率企業(yè)性質(zhì)差異分析——基于MCMC算法的貝葉斯分位數(shù)回歸[J]. 劉景松,冀巨海.  財會通訊. 2015(18)
[10]加權(quán)復(fù)合分位數(shù)回歸方法在動態(tài)VaR風(fēng)險度量中的應(yīng)用[J]. 劉曉倩,周勇.  中國管理科學(xué). 2015(06)

博士論文
[1]分位數(shù)回歸的貝葉斯估計與應(yīng)用研究[D]. 邸俊鵬.南開大學(xué) 2013
[2]基于MCMC算法的貝葉斯分位回歸計量模型及應(yīng)用研究[D]. 曾惠芳.湖南大學(xué) 2011

碩士論文
[1]貝葉斯自適應(yīng)Lasso分位數(shù)回歸及其在EVA分析中的應(yīng)用[D]. 謝燕瑜.閩南師范大學(xué) 2016
[2]基于貝葉斯方法的空間分位數(shù)回歸應(yīng)用分析[D]. 張海書.湖南師范大學(xué) 2016
[3]Bernstein-Schoenberg樣條下的單峰貝葉斯非參數(shù)分位數(shù)回歸[D]. 張明.大連理工大學(xué) 2016
[4]基于貝葉斯分位數(shù)回歸的中國城鎮(zhèn)居民性別收入差異研究[D]. 陳愛.南京財經(jīng)大學(xué) 2016
[5]基于MCMC算法的貝葉斯分位數(shù)回歸方法的實證應(yīng)用[D]. 肖北芳.湖南師范大學(xué) 2015
[6]貝葉斯分位數(shù)自回歸方法的研究及在香港恒生指數(shù)風(fēng)險測度上的應(yīng)用[D]. 朱玲.南京財經(jīng)大學(xué) 2014



本文編號：3545076