其他回归方法教材.ppt

（3）分位数回归并不要求很强的分布假设，在扰动项非正态的情形下，分位数估计量可能比最小二乘估计量更为有效。 （4）与最小二乘法通过使误差平方和最小得到参数的估计不同，分位数回归是通过使加权误差绝对值之和最小得到参数的估计，因此估计量不容易受到异常值的影响，从而估计更加稳健。 4.7.1 分位数回归的基本思想和系数估计 假设随机变量 Y 的概率分布为： （4.7.1） Y 的? 分位数定义为满足 F(y) ? ? 的最小 y 值，即： ， （4.7.2） 图4.7.1 cs 变量的累积分布函数F(y) 图4.7.2 cs 变量的分位数分布函数q(?) F(y)的 ? 分位数可以由最小化关于? 的目标函数得到，即： （4.7.3） 其中，argmin?{?}函数表示取函数最小值时 ? 的取值， ??(u) ? u(? ? I(u 0)) 称为检查函数（check function），依据 u 取值符号进行非对称的加权，这里 u ? y ? ?。 考察此最小化问题的一阶条件为： （4.7.4） 即F(?) = ?，也就是说F(Y)的第? 个分位数是上述优化问题的解。 F(y) 可以由如下的经验分布函数替代： （4.7.5） 其中 y1，y2，…，yn 为Y 的 N 个样本观测值；I(z) 是指示函数，z 是条件关系式，当 z 为真时，I(z) = 1；当 z 为假时，I(z) = 0。式（4.7.3）中条件关系式 z 为 yi ? y，当 yi ? y 时，I(yi ? y) = 1，否则取值为0。 相应地，经验分位数为： ， （4.7.6） 式（4.7.3）可以等价地表示为下面的形式： （4.7.7） 现假设 Y 的条件分位数由 k 个解释变量组成的矩阵 X 线性表示： （4.7.8） 其中，xi =(x1i，x2i，…，xki)? 为解释变量向量，?(? ) =(?1，?2，…，?k )?是? 分位数下的系数向量。当? 在 (0, 1) 上变动时，求解下面的最小化问题就可以得到分位数回归不同的参数估计： （4.7.9） 要得到GMM估计，应该写出矩条件作为参数表达式和工具变量之间的正交条件。写正交条件的方法有两种：有因变量和没有因变量。 如果使用列表法或有等号的表达式法说明方程，EViews会把矩条件理解为工具变量和方程残差之间的正交条件。如果用没有等号的表达式，EViews会正交化表达式和工具变量。 在方程说明对话框的工具变量（Instrument list）列表中，必须列出工具变量名。如果要保证GMM估计量可识别，工具变量个数不能少于被估计参数个数。当然常数会自动被EViews加入工具变量表中。 例如， 方程说明： y c x 工具变量： c z w 正交条件为： 如果方程说明为： c(1)*log (y)+x^c(2) 工具变量表： c z z(-1) 则正交条件为： 在方程说明框右边是选择目标函数的权数矩阵A。如果选择基于White 协方差的加权矩阵，则GMM估计对未知形式的异方差将是稳健的。 如果选择基于HAC时间序列的加权矩阵，则GMM估计量对未知形式的异方差和自相关是稳健的。对于HAC选项，必须说明核和带宽。 例4.7 利用中国的1978～1999的宏观经济数据，消费CS、 GDP、投资IFCK，利用GMM方法计算消费方程： J 统计量是目标函数的最小值，即通过式（4.4.12）计算得到的加权距离 Q 的值。 §4.5 多项分布滞后（PDLS） 在经济分析中人们发现，一些经济变量，它们的数值是由自身的滞后量或者其他变量的滞后量所决定的，表现在计量经济模型中，解释变量中经常包含某些滞后变量。以投资函数为例，