面板数据分位数回归模型的诱导光滑估计

发布时间：2023-05-14 03:36

　　本文将诱导光滑的思想引入到面板数据的分位数回归模型中。在固定效应模型中,同时构造了回归参数的点估计和渐近置信区间估计。由于经典估计方法的渐近方差中有未知参数,很难获得有效的置信区间估计,所以本文引入了一种新的方法—诱导光滑估计,给出了估计的算法。接着进行蒙特卡洛实验比较了新方法和最小二乘法、分位数回归模型的估计(LAD估计)法和分位数回归的最短距离估计在有限样本下的估计效率。最后通过两个真实数据的实证分析说明诱导光滑方法在面板数据分位数回归模型的参数估计中具有一定的优势。本文工作分以下几个方面:(1)针对面板数据分位数回归模型,构造光滑函数,得到面板数据分位数回归模型参数的点估计,通过蒙特卡洛模拟验证了不同方法的估计效率。(2)在固定效应面板数据分位回归模型中,基于诱导光滑法构造了最短距离估计(MDQR)的渐近置信区间,发现新方法置信区间长度更短,预测结果精度更高。(3)实证分析,本文将诱导光滑估计方法应用于实证分析,并且在实证分析中得到了有效的置信区间和参数估计,说明诱导光滑估计得到的置信区间长度更短,效果更好。

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 目的和意义
    1.2 国内外研究现状
        1.2.1 面板数据的模型及研究现状
        1.2.2 分位数回归模型及研究现状
        1.2.3 面板数据分位数回归模型的研究现状
        1.2.4 面板数据分位数回归模型的研究成果
    1.3 诱导光滑估计方法及研究现状
    1.4 论文结构安排及研究内容
    1.5 论文的创新之处
第2章 固定效应分位数回归的诱导光滑估计
    2.1 面板数据分位数回归模型
    2.2 诱导光滑估计及其算法
    2.3 蒙特卡洛模拟
    2.4 实证分析
第3章 分位数回归的最短距离估计法及诱导光滑估计
    3.1 面板数据分位数回归模型和最短距离估计法
    3.2 诱导光滑估计及其算法
    3.3 蒙特卡洛模拟
    3.4 实证分析
第4章 结论
致谢
参考文献
作者简介
攻读硕士学位期间研究成果



本文编号：3817107