无条件分位数回归文献综述与应用实例上.docVIP

无条件分位数回归：文献综述与应用实例（上） 朱平芳 张征宇 2013-1-7 11:17:39　　来源：《统计研究》(京)2012年3期第88～96页 　　内容提要：条件分位数回归（conditional quantile regression，CQR）方法已成为经济学实证研究的常用方法之一。由于CQR结果的经济学阐释基于过多甚至是不必要的控制变量，这与人们所关心的问题有可能并不一致。例如，在劳动经济学对教育回报的研究中，无论个体的年龄，性别与家庭特征如何，教育程度对于个人收入的异质性影响是人们关注的重点，即人们想了解收入关于教育程度的无条件分位数估计。本文旨在介绍近年来发展起来的无条件分位数回归（unconditional quantile regression，UQR）技术并梳理相关文献。特别地，本文介绍三种重要的无条件分位数回归模型：Firpo，Fortin和Lemieux（2009）提出的再中心化影响函数（recentered influence function，RIF）回归，Frolich和Melly（2010）提出的无条件分位数处理效应模型与Powell（2010）提出的一般无条件分位数回归。另外，论文还运用一个研究居民收入分配格局变化对其医疗支出影响的实例详细说明了新方法的应用。　　关键词：条件分位数回归 无条件分位数回归 RIF回归 处理效应模型　　作者简介：朱平芳（1961-），男，浙江兰溪人，1987年毕业于上海财经大学应用统计专业，获经济学硕士学位，2005年毕业于上海社会科学院经济研究所，获经济学博士学位，现为上海社会科学院数量经济研究中心主任，研究员，博士生导师，兼任中国数量经济学会常务理事，上海市数量经济学会副理事长兼秘书长，研究方向为科技政策与科技进步；张征宇（1981-），男，浙江宁波人，2006年毕业于复旦大学数学系数学专业，获理学硕士学位，2009年毕业于上海财经大学经济学院数量经济学专业，获经济学博士学位，现为上海社会科学院数量经济研究中心副研究员，兼任上海市数量经济学会理事，研究方向为微观计量经济学。　　　　一、引言　　自从Koenker和Bassett（1978）提出分位数回归（quantile regression，QR）方法以来，其已发展成为经济学实证研究的常用方法之一。最初，QR方法仅被看作是用来替代最小二乘（OLS）估计的一种稳健（robust）估计。事实上，经济学家们在如今的实证研究，特别是基于微观数据的研究中青睐QR方法，并不在于它的稳健特性，而是可以借此方法了解解释变量对于被解释变量在扰动项的不同分位点上的异质性影响。通常，人们在评估一项经济政策对受众群体的影响时，不但希望了解政策对任一参与者的平均影响，更希望知道政策对位于特征分布不同位置（分布末端或顶端）人群的异质性作用。例如，教育对于人们收入的影响作用是劳动经济学中极具争议的问题之一。由于人的能力不可直接观测，且普遍被认为与个人的收入水平密切相关，因此，工资方程的扰动项很大意义上就是用来包含不可观测的个人能力。在这种设定下，通过分位点回归，人们可以了解对于不同能力水平的个人，可观测的个体特征如何影响他们的收入。　　从以上例子不难理解，Koenker和Bassett（1978）提出的只是条件分位数回归方法。条件分位数（CQR）方法的结果实际上只告诉我们对于具有相同观测特征的个人（例如，具有某一特定年龄，家庭背景的女性），不可观测的能力差异对于收入的异质性影响。由于CQR的经济学意义阐释基于过多甚至是不必要的个体特征，其结果与政策制定者所关心的问题很有可能并不一致。例如，人们可能只想了解教育年限对于个人收入的一般边际影响，而无论个体的年龄，性别与家庭背景如何，这就是所谓收入关于教育程度的无条件分位数估计问题。解决这个问题的一个直觉想法是在计算中抛弃除了教育年限外的其他解释变量，直接用收入对教育年限进行分位数回归，但这种做法得到的无条件分位数不是一致估计。这一点类似于在最小二乘法中即使研究者只想了解某一解释变量对被解释变量的偏影响系数，遗漏剩余解释变量仍会导致所有系数估计的不一致性，除非遗失变量与所剩变量是正交的。　　无条件分位数回归（unconditional quantile regression，UQR）技术正是对于CQR技术的补充和拓展，在基于微观数据的实证研究中，特别是在劳动经济学与经济政策评估中具有十分重要的意义。在这一前沿领域，国外学者的研究也只是刚刚开始，并且有关无条件分位数回归的理论与方法正在逐渐完善之中。本文旨在介绍UQR技术并梳理相关文献。特别地，我们介绍三种重要的无条件分位数回归模型：Firpo、Fortin和Lemieux（2009）的再中心化影响函数（recente