导读:本文包含了分位数估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:位数,模型,渐近,函数,数据,面板,线性。
分位数估计论文文献综述
邹灵,吴东晟,杨宜平[1]（2019）在《面板数据分位数回归模型的工具变量估计》一文中研究指出针对含有内生变量的面板数据回归模型,提出基于工具变量的分位数回归估计方法.首先,通过引入工具变量解决协变量的内生性问题,然后利用分位数回归的方法对回归系数进行估计.在一些正则条件下,证明所提出估计的大样本性质,通过模拟研究证实该方法的有限样本性质.(本文来源于《应用数学》期刊2019年04期）
余平[2]（2019）在《基于FPCA的部分函数型线性模型的复合分位数回归估计》一文中研究指出本文研究了部分函数型线性回归模型的复合分位数估计问题.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开,在相当宽松的条件下给出斜率函数的最优收敛速度和参数部分的渐近正态性.最后通过理论模拟来评价提出方法的有效性.(本文来源于《山西师范大学学报(自然科学版)》期刊2019年03期）
王松,罗双华[3]（2019）在《响应变量缺失下加权复合分位数回归估计》一文中研究指出目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2019年03期）
方丽婷,李坤明[4]（2019）在《空间滞后分位数回归模型的贝叶斯估计》一文中研究指出研究目标:提出空间滞后分位数回归模型的贝叶斯估计方法。研究方法:根据贝叶斯分析思想,分别在模型参数的正态先验和双指数先验设定下,构建模型参数的贝叶斯估计方法,并分别利用数值模拟方法和应用实例考察估计方法的小样本表现和实际应用效果。研究发现:所提出的贝叶斯估计方法在小样本条件下具有良好的估计效果和稳健性,在两种先验设置下,不同分位点上的参数估计精度均较高,应用实例展示了理论方法的实际应用价值。研究创新:应用贝叶斯方法估计空间分位数回归模型,该方法综合考虑了先验信息和样本信息,具有更高的估计精度。研究价值:所构建的理论方法将为经济、金融、环境等领域的具有厚尾和空间相依特征的数据提供有力的分析工具。(本文来源于《数量经济技术经济研究》期刊2019年09期）
翁羽玲,余平,张忠占[5]（2019）在《带有相依误差的函数型线性模型的复合分位数估计》一文中研究指出本文研究了带有相依误差的函数型线性回归模型的复合分位数估计问题,其中误差来自短期相依和严平稳的线性过程.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开并构造了斜率函数的估计,在相当宽松的条件下证明了斜率函数估计的最优收敛速度.最后通过理论模拟来评价所提出的方法,并给出了一个实际例子.(本文来源于《应用概率统计》期刊2019年04期）
罗登菊[6]（2019）在《纵向数据下几类回归模型的复合分位数回归估计》一文中研究指出本文主要利用复合分位数回归估计方法研究纵向数据下两类回归模型的统计推断问题.随机效应模型是纵向数据处理中最常用的模型之一.对于随机效应模型,利用复合分位数回归估计对模型的参数进行估计,并在一定正则条件下证明了该估计渐近正态性.通过模拟研究,比较了传统最小二乘估计、中位数回归估计以及复合分位数回归估计的精度,模拟结果显示,在样本有限的情况下,本文所提出的方法对随机效应模型的参数估计是有效的,特别是模型误差项不服从正态分布时,复合分位数回归估计的的Bias、SD以及RMSE都是最优的;在分位点的选取上,K=9计算简单且精度高;最后将本文所提方法应用到饮酒后血醇含量数据中,并得到了较好的结果.变系数模型是线性模型的推广,具有更强的灵活性和解释性,特别适合纵向数据的分析.对于变系数模型,在复合分位数回归框架下,基于局部多项式逼近构造出目标函数,求解目标函数得到模型的系数函数和方差函数的估计,在一定的正则条件下给出估计的大样本性质.在模拟研究时,用加权最小二乘估计与复合分位数回归估计作比较,模拟结果显示,在样本有限的情况下,本文所提出的方法对具有不同方差结构的变系数模型的估计是有效的,并且在不同方差结构下也有很好的表现.(本文来源于《贵州大学》期刊2019-06-01）
司贺[7]（2019）在《面板数据分位数回归模型的诱导光滑估计》一文中研究指出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。(本文来源于《长春工业大学》期刊2019-06-01）
罗登菊,戴家佳,罗兴甸[8]（2019）在《随机效应模型的复合分位数回归估计》一文中研究指出在纵向数据处理中,随机效应模型是使用频率非常高的模型之一。本文主要采用复合分位数回归估计的方法,在对其参数进行估计的同时,证明了此估计渐近正态性。经模拟研究,比对了中位数回归估计、传统最小二乘估计和复合分位数回归估计叁种估计的精度,模拟结果显示,在样本有限的情况下,本文所提出的方法对随机效应模型的参数估计是有效的,尤其当模型误差项不遵循高斯分布时,复合分位数回归估计的实用性是明显的。(本文来源于《贵州大学学报(自然科学版)》期刊2019年02期）
张永安,张彦军,马昱[9]（2019）在《产业结构升级对经济发展的影响与机制研究——基于固定效应与面板分位数回归模型的估计》一文中研究指出产业结构的变化是经济发展的根本动力,厘清产业结构与经济发展的影响机制对优化产业结构、经济平稳发展意义深远。基于2004—2016年我国省级面板数据,分别运用固定效应模型和面板分位数回归模型系统分析了产业结构对经济发展的影响机制。研究发现:经济发展水平由低向高的动态过程中,产业结构对经济发展的影响有显着的促进作用且呈现边际效应递减规律。其他控制变量对经济发展的动态影响不尽相同,人力资本、技术创新、财政支出、城镇化水平以及市场化指数对经济发展起到了正向的促进作用,FDI、金融发展对经济发展有显着的抑制作用,贸易开放度对经济发展的动态影响时正时负。因此,要在经济发展水平不同的区域有针对性的对待产业结构的变化,制定相应的政策来促进经济的稳步增长。(本文来源于《当代经济管理》期刊2019年09期）
王江峰,裘良华,张慧增[10]（2019）在《删失数据下回归函数的加权局部复合分位数回归估计》一文中研究指出在右删失数据下,研究了误差具有异方差结构的非参数回归模型,利用局部多项式方法构造了回归函数的加权局部复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,当误差为重尾分布时,该估计比局部多项式估计以及核估计表现得更好.(本文来源于《高校应用数学学报A辑》期刊2019年01期）
分位数估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文研究了部分函数型线性回归模型的复合分位数估计问题.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开,在相当宽松的条件下给出斜率函数的最优收敛速度和参数部分的渐近正态性.最后通过理论模拟来评价提出方法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分位数估计论文参考文献
[1].邹灵,吴东晟,杨宜平.面板数据分位数回归模型的工具变量估计[J].应用数学.2019
[2].余平.基于FPCA的部分函数型线性模型的复合分位数回归估计[J].山西师范大学学报(自然科学版).2019
[3].王松,罗双华.响应变量缺失下加权复合分位数回归估计[J].宝鸡文理学院学报(自然科学版).2019
[4].方丽婷,李坤明.空间滞后分位数回归模型的贝叶斯估计[J].数量经济技术经济研究.2019
[5].翁羽玲,余平,张忠占.带有相依误差的函数型线性模型的复合分位数估计[J].应用概率统计.2019
[6].罗登菊.纵向数据下几类回归模型的复合分位数回归估计[D].贵州大学.2019
[7].司贺.面板数据分位数回归模型的诱导光滑估计[D].长春工业大学.2019
[8].罗登菊,戴家佳,罗兴甸.随机效应模型的复合分位数回归估计[J].贵州大学学报(自然科学版).2019
[9].张永安,张彦军,马昱.产业结构升级对经济发展的影响与机制研究——基于固定效应与面板分位数回归模型的估计[J].当代经济管理.2019
[10].王江峰,裘良华,张慧增.删失数据下回归函数的加权局部复合分位数回归估计[J].高校应用数学学报A辑.2019
论文知识图
