參數(shù)回歸模型簡單方便,應(yīng)用較為廣泛,但目前簡單的參數(shù)均值回歸模型并不能很好的滿足生活中的復(fù)雜數(shù)據(jù)。一方面是因為對于模型來說,參數(shù)模型是事先對模型作出假設(shè),給定一個具體的模型形式,在一定假設(shè)條件之下,然后利用該固定模型對數(shù)據(jù)進行分析,而實際數(shù)據(jù)復(fù)雜多變,對于面板數(shù)據(jù)而言,包含信息更豐富,一般的參數(shù)模型已經(jīng)不能很好的滿足數(shù)據(jù)要求。另一方面,從模型隨機誤差項分布來說,現(xiàn)有的模型基本都是假設(shè)其服從規(guī)范的正態(tài)分布,而對于誤差項服從于偏態(tài)或者尖峰狀態(tài)等情況下的分布還存在缺陷。于是在現(xiàn)有研究基礎(chǔ)之上,本文基于現(xiàn)有模型的部分缺陷,進一步對面板數(shù)據(jù)模型進行改善。為了對模型進行詳細地解釋,本文具體內(nèi)容安排如下:第一部分,針對面板數(shù)據(jù)在貝葉斯分析的框架下討論了非參數(shù)分位回歸建模方法,利用更加平穩(wěn)光滑的低秩薄板懲罰樣條展開,虛擬變量和非對稱Laplace分布的引入建立了貝葉斯分層分位回歸模型,給出未知參數(shù)估計的Metropolis-Hastings抽樣算法。模擬結(jié)果顯示,新提出的模型在無偏性與穩(wěn)定性上相較于傳統(tǒng)模型都有明顯的改善,對數(shù)據(jù)的適應(yīng)能力更強,擬合更充分。為了將模型應(yīng)用到實際情況當中,將新模型應(yīng)用到中...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

湖北工業(yè)大學(xué)碩士學(xué)位論文10圖1.1全文技術(shù)路線圖

湖北工業(yè)大學(xué)碩士學(xué)位論文18從模型(3.8)可看出，分位回歸模型與均值回歸模型不同的是，分位回歸模型的誤差項不出現(xiàn)在模型中，從Yu等人的研究中可發(fā)現(xiàn)[54]，這是因為在條件分布中，隨機誤差項已經(jīng)被分位估計量所解釋，也即分位回歸模型基本假設(shè)為，其隨機誤差項在分位為0，與標準的均值回....

湖北工業(yè)大學(xué)碩士學(xué)位論文19為了簡單起見，我們將似然函數(shù)用設(shè)計矩陣表示，這里省去了參數(shù)的標識，jy表示向量Y的第j個元素，,jjXZ分別表示設(shè)計矩陣X和Z的第j行。本文假設(shè)分位回歸模型的響應(yīng)變量服從為ALD分布，為了對該分布作出直觀上的展示，作出非對稱拉普拉斯分布的密度函數(shù)和曲線....

湖北工業(yè)大學(xué)碩士學(xué)位論文28而且運行時間明顯變長。具體表現(xiàn)為當節(jié)點數(shù)為24時，MSE達到最小，當節(jié)點數(shù)為29時，Bias達到最小，但運行時間分別為112.25和133.25，計算緩慢；而從運行時間來看，當節(jié)點數(shù)達為13時，運行時間最少，且其MSE和Bias與最佳值相差甚小，所以綜....

本文編號：3966524