面板數(shù)據(jù)條件分位數(shù)回歸模型由于兼具面板數(shù)據(jù)模型和條件分位數(shù)回歸方法的優(yōu)勢,能夠在控制個體異質(zhì)性的基礎(chǔ)上,在不同分位點(diǎn)上全面刻畫解釋變量對被解釋變量條件分布的影響,因此在計量建模研究中應(yīng)用十分普遍。但是,若想直接得到自變量對響應(yīng)變量的一般邊際影響,而不依賴于其他協(xié)變量,則需要借助無條件分位數(shù)回歸技術(shù)。目前無條件分位數(shù)回歸技術(shù)主要包括基于再中心化影響函數(shù)的無條件分位數(shù)回歸理論和一般無條件分位數(shù)回歸理論�；诖�,本文致力于構(gòu)建面板數(shù)據(jù)無條件分位數(shù)回歸模型,從而為分位數(shù)回歸方法提供一種新思路。針對面板數(shù)據(jù)的再中心化影響函數(shù)回歸模型,依次構(gòu)建了基于一階差分和固定效應(yīng)變換法的無條件分位數(shù)回歸以及含虛擬變量的無條件分位數(shù)回歸和懲罰無條件分位數(shù)回歸,給出參數(shù)具體的點(diǎn)估計和區(qū)間估計辦法。計算機(jī)模擬仿真結(jié)果顯示,只有不存在其它協(xié)變量的影響下,條件分位數(shù)和無條件分位數(shù)回歸方法的估計結(jié)果才會保持一致,而當(dāng)其它協(xié)變量的影響存在時,條件分位數(shù)回歸會基于所有其它協(xié)變量做出估計,而無條件分位數(shù)回歸可直接得到特定分位點(diǎn)下某個協(xié)變量對響應(yīng)變量的一般邊際影響。其次,四種針對面板數(shù)據(jù)提出的無條件分位數(shù)回歸方法都能得到準(zhǔn)確有效的估計結(jié)果,其中懲罰無條件分位數(shù)回歸的估計效果最優(yōu)。最后對我國城鎮(zhèn)居民分項(xiàng)收入對消費(fèi)支出的影響進(jìn)行了研究分析,發(fā)現(xiàn)工資性收入的增加對消費(fèi)的促進(jìn)效應(yīng)最強(qiáng),并且其對中低消費(fèi)人群的刺激作用更大。針對面板數(shù)據(jù)一般無條件分位數(shù)回歸模型,基于兩個矩條件,構(gòu)建一般無條件分位數(shù)回歸方法,借助廣義矩估計得到參數(shù)的估計值并給出置信區(qū)間的估計辦法。計算機(jī)模擬仿真結(jié)果顯示,在不同誤差分布、數(shù)據(jù)量和分位點(diǎn)下,一般無條件分位數(shù)回歸方法的估計效果都最優(yōu),但在實(shí)際操作中估計過程稍顯復(fù)雜,需要根據(jù)估計參數(shù)的數(shù)量設(shè)計相應(yīng)的優(yōu)化算法。最后對我國城鎮(zhèn)居民總體的收入消費(fèi)情況進(jìn)行了研究分析,發(fā)現(xiàn)中低消費(fèi)人群收入水平的提高在一定程度上會刺激消費(fèi),而高消費(fèi)人群收入水平的進(jìn)一步增加,并不會對其消費(fèi)產(chǎn)生更為明顯的促進(jìn)作用。
【學(xué)位單位】：湖北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：F126;F224
【部分圖文】：

湖北工業(yè)大學(xué)碩士學(xué)位論文71.3研究思路及研究內(nèi)容1.3.1研究思路無條件分位數(shù)回歸方法不僅是對傳統(tǒng)條件分位數(shù)回歸方法的一種補(bǔ)充，更是為人們所感興趣的問題提供一種新的工具，具有重大的研究意義。因此本文致力將無條件分位數(shù)回歸方法引入到面板數(shù)據(jù)模型中，基于FFL和Powell的研究工作，詳細(xì)介紹兩種無條件分位數(shù)回歸方法，并針對含有固定效應(yīng)的面板數(shù)據(jù)，構(gòu)建兩種框架下的無條件分位數(shù)回歸模型，給出具體參數(shù)的點(diǎn)估計與置信區(qū)間的估計方法，并且采用蒙特卡羅模擬對傳統(tǒng)條件分位數(shù)回歸和兩種無條件分位數(shù)回歸方法進(jìn)行詳細(xì)的比較研究，最后用將模型應(yīng)用于實(shí)證分析，以此來證明新方法的實(shí)用性。本文技術(shù)路線圖如圖1.1所示。圖1.1技術(shù)路線圖1.3.2研究內(nèi)容根據(jù)本文的研究思路及方法，將本文大致分為四個部分，具體內(nèi)容如下：第一部分為緒論部分。主要描述無條件分位數(shù)回歸技術(shù)的研究背景和研究意義，詳細(xì)展示和論述了國內(nèi)外相關(guān)的研究現(xiàn)狀，并介紹了本文的研究思路、研究內(nèi)容和創(chuàng)新之處。

000次模擬結(jié)果展示圖

湖北工業(yè)大學(xué)碩士學(xué)位論文23圖2.2原始數(shù)據(jù)變量間關(guān)系展示圖注：***，**，*分別表示在0.001，0.01，0.05水平下顯著。觀察圖2.2，消費(fèi)性支出、工資性收入、經(jīng)營凈收入和轉(zhuǎn)移凈收入這幾個變量數(shù)據(jù)在中低水平下分布較多，而財產(chǎn)凈收入在低水平下數(shù)據(jù)分布較多，反映在現(xiàn)實(shí)生活中，中低收入和消費(fèi)者占絕大多數(shù)，而高收入高消費(fèi)的人群占比較少，導(dǎo)致各變量數(shù)據(jù)均呈現(xiàn)出不同程度的偏態(tài)分布。其次，各變量間存在較為顯著的相關(guān)關(guān)系，消費(fèi)性支出分別與工資性收入和財產(chǎn)凈收入之間的相關(guān)系數(shù)高達(dá)0.8以上，消費(fèi)性支出和轉(zhuǎn)移凈收入之間的相關(guān)系數(shù)也在0.6左右，說明不同來源的收入與消費(fèi)支出間存在較高的相關(guān)性。另外，四種不同來源的收入變量間的相關(guān)性也十分顯著，特別是工資性收入和財產(chǎn)凈收入間的相關(guān)系數(shù)高達(dá)0.7，顯示解釋變量間存在明顯的多重共線性。從散點(diǎn)圖可以看出，除經(jīng)營凈收入之外，消費(fèi)性支出與其它三種不同來源收入變量間存在較為明顯的線性關(guān)系。因此，結(jié)合數(shù)據(jù)的分布特征和前人的研究成果，為了研究不同來源收入對消費(fèi)的影響，本節(jié)借用固定效應(yīng)面板數(shù)據(jù)模型來構(gòu)建我國城鎮(zhèn)居民分項(xiàng)收入消費(fèi)函數(shù)為：iti1it2it3it4ititconsalmanprotra其中，i表示不同地區(qū)，t表示年份，con表示消費(fèi)性支出，sal表示工資性收入，man表示經(jīng)營凈收入，pro表示財產(chǎn)凈收入，tra表示轉(zhuǎn)移凈收入，為個體固定
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周少甫;范兆媛;;年齡對醫(yī)療費(fèi)用增長的影響:基于分位數(shù)回歸模型的分析[J];中國衛(wèi)生經(jīng)濟(jì);2016年06期

2 姜勵卿;錢文榮;;公共部門與非公共部門工資差異的分位數(shù)回歸分析[J];統(tǒng)計研究;2012年01期

3 朱平芳;張征宇;;無條件分位數(shù)回歸:文獻(xiàn)綜述與應(yīng)用實(shí)例[J];統(tǒng)計研究;2012年03期

4 吳建南;馬偉;;分位數(shù)回歸與顯著加權(quán)分析技術(shù)的比較研究[J];統(tǒng)計與決策;2006年07期

5 譚治國;蔡乙萍;;分位數(shù)回歸在風(fēng)險管理中的應(yīng)用[J];統(tǒng)計與決策;2006年17期

6 陳晉玲;;基于分位數(shù)回歸的人力資本結(jié)構(gòu)對產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的影響研究——以山西省為例[J];商業(yè)經(jīng)濟(jì);2020年06期

7 肖桂姣;;分位數(shù)回歸下的指標(biāo)設(shè)計與實(shí)現(xiàn)[J];當(dāng)代經(jīng)濟(jì);2019年02期

8 陳子亮;卿清;;影響波士頓不同社區(qū)房價水平的因素分析——基于分位數(shù)回歸方法[J];商;2015年30期

9 施鵬;;分位數(shù)回歸對資產(chǎn)定價模型的比較分析[J];商業(yè)故事;2016年34期

10 吳衛(wèi)星;魏曉璇;吳錕;;金融素養(yǎng)與金融滿意度[J];金融科學(xué);2017年01期

相關(guān)博士學(xué)位論文 前10條

1 周小英;逐段連續(xù)線性分位數(shù)回歸模型的統(tǒng)計推斷及其應(yīng)用[D];湖南大學(xué);2018年

2 蔡超;基于大規(guī)模數(shù)據(jù)的分位數(shù)回歸方法及應(yīng)用[D];合肥工業(yè)大學(xué);2017年

3 王生云;中國經(jīng)濟(jì)高速增長的親貧困程度研究：1989-2009[D];浙江大學(xué);2013年

4 劉惠籃;基于復(fù)合分位數(shù)回歸方法的統(tǒng)計模型的相關(guān)研究[D];重慶大學(xué);2016年

5 周小雙;若干復(fù)雜數(shù)據(jù)模型的經(jīng)驗(yàn)似然和復(fù)合推斷方法[D];山東大學(xué);2013年

6 樊軍;高維二次度量回歸模型研究[D];北京交通大學(xué);2017年

7 孫旭;人力資本及其對中國省區(qū)全要素生產(chǎn)率增長的影響[D];東北財經(jīng)大學(xué);2010年

8 黃曼行;財務(wù)困境、會計穩(wěn)健性與債務(wù)契約有用性[D];南京大學(xué);2014年

9 陳林興;基于空間視角的我國省際農(nóng)村居民消費(fèi)趨同性研究[D];浙江大學(xué);2012年

10 劉啟浩;風(fēng)險值組合預(yù)測的理論與實(shí)證[D];北京工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 左倩;面板數(shù)據(jù)的無條件分位數(shù)回歸方法與應(yīng)用[D];湖北工業(yè)大學(xué);2020年

2 張竟伊;基于Copula分位數(shù)-分位數(shù)回歸的中國股債相關(guān)性研究[D];廈門大學(xué);2019年

3 趙力靜;面板數(shù)據(jù)的貝葉斯Elastic Net分位數(shù)回歸模型及其應(yīng)用研究[D];廈門大學(xué);2019年

4 劉柳;個人所得稅對地市間城鎮(zhèn)居民收入差距的影響[D];廈門大學(xué);2019年

5 謝晶晶;非參數(shù)分位數(shù)回歸模型估計方法的比較研究[D];廈門大學(xué);2019年

6 梁維娟;部分函數(shù)交互模型的結(jié)構(gòu)稀疏分位數(shù)回歸研究[D];廈門大學(xué);2019年

7 周琴;我國人口老齡化對收入差距影響的實(shí)證研究[D];中南財經(jīng)政法大學(xué);2019年

8 陸海洋;復(fù)合分位數(shù)回歸方法在國債風(fēng)險時序模型中的應(yīng)用[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2019年

9 鄭勝林;Bent-cable分位數(shù)回歸模型的研究及應(yīng)用[D];湖南大學(xué);2019年

10 夏杭;金融發(fā)展與城市化對碳排放影響的面板分位數(shù)回歸研究[D];湖南大學(xué);2019年

本文編號：2885778