第26节分位数回归.pdf

© 陈强, 《高级计量经济学及Stata 应用》课件，第二版，2014 年，高等教育出版社。 第 26 章 分位数回归 26.1 为什么需要分位数回归 一般的回归模型着重考察x 对y 的条件期望E(y | x ) 的影响，实际 上是均值回归。 但我们关心x 对整个条件分布y | x 的影响，而E(y | x ) 只是刻画条 件分布y | x 集中趋势的一个指标而已。 如果y | x 不是对称分布，则E(y | x ) 很难反映条件分布的全貌。 1 如能够估计条件分布y | x 的若干重要的条件分位数(conditional quantiles)，比如中位数(median)、 分位数(lower quartile)、 分 1 4 3 4 位数(upper quartile)，能更全面认识条件分布y | x 。 使用 OLS 进行“均值回归”，由于最小化的目标函数为残差平 方和(n e2 ) ，故易受极端值影响。 i 1 i Koenker and Bassett(1978) 提出“分位数回归”(Quantile Regression ，简记QR)，使用残差绝对值的加权平均( 比如，n e ) i 1 i 作为最小化的目标函数，不易受极端值影响，较为稳健。 分位数回归还能提供关于条件分布y | x 的全面信息。 2 26.2 总体分位数 假设Y 为连续型随机变量，其累积分布函数为F () 。 y th Y 的“总体q 分位数”(population q quantile ，0 q 1) ，记为y q ， 满足以下定义式： q P(Y y ) F ( y ) q y q 总体q 分位数y q 正好将总体分布分为两部分，其中小于或等于y q 的概率为q，而大于y q 的概率为(1q) 。 3 如果q 1 2，则为中位数，正好将总体分为两个相等的部分。 如果F ()严格单调递增，则有 y y F 1(q ) q y 其中，F 1() 为F () 的逆函数，参见图26.1 。 y y 4 图26.1 总体q 分位数与累积分布函数 5 对于回归模型，记条件分布y | x 的累积分布函数为Fy | x () 。 条件分布y | x 的总体q 分位数，记为y q ，满足以下定义式： q F ( y ) y | x q 假设Fy | x () 严格单调递增，则有 y F 1 (q )