分位回歸（引進版）

《分位回歸（引進版）》是2013年9月上海財經大學出版社出版的圖書，作者是馬令傑。

基本介紹

• 書名：分位回歸（引進版）
• 作者：馬令傑
• ISBN：9787564215958
• 定價：48元
• 出版社：上海財經大學出版社
• 出版時間：2013年9月
• 開本：16開

內容簡介

《分位回歸》一書介紹了一種現代統計計量方法——分位回歸，它旨在探索變數之間在整個分布上的數量關係。本書涵蓋了分位回歸的起源、基本理論、計算方法、估計和套用，以及在前沿領域的最新進展。它不僅集中了作者Roger Koenker（分位回歸這一經濟學領域的開創者、奠基人和集大成者）的研究成果，亦綜合包括了其他人在這一領域的研究成果。

羅傑·康克一直是分位回歸研究領域的開路先鋒。這本專著匯集了他30多年來在這一領域的研究成果。全書論述清晰、邏輯有力、涉獵廣泛，涵蓋計量經濟學和統計學的大多數領域。而這一切，當然只能是出自計量經濟學方面的頂尖學者。

圖書目錄

譯者序 /1

原著序言 /1

1 引言 /1

1．1 方法和結果 /1

1．2 第一個回歸———歷史的序曲 /2

1．3 分位、排序和最最佳化 /4

1．4 分位回歸簡介 /8

1．5 三個例子 /12

1．5．1 工資和工作經驗 /12

1．5．2 學生課程評價和班級人數 /14

1．5．3 新生兒體重 /16

1．6 結論 /20

2 分位回歸要義 /21

2．1 分位處理效果 /21

2．2 分位回歸原理 /25

2．2．1 分位回歸的p 插入值 /26

2．2．2 子階數條件 /27

2．2．3 同變性 /30

2．2．4 刪截 /31

2．3 穩健性 /33

2．3．1 影響函式 /33

2．3．2 失效點 /35

2．4 分位回歸模型詮釋 /36

2．4．1 例1：工會工資優勢 /38

2．4．2 例2：酒類需求量 /39

2．4．3 例3：墨爾本每日溫度 /39

2．4．4 例4：冰川雪蓮、黃鼠和岩石 /42

2．5 分位交叉 /43

2．6 一個隨機係數的解釋 /46

2．7 不均等度量值及其分解 /48

2．8 預期位和其他變化 /49

2．9 錯建分位回歸模型詮釋 /50

3 有關分位回歸的推論 /52

3．1 分位回歸的有限樣本分布 /52

3．2 對分位回歸漸近性的初步探討 /54

3．2．1 樣本分位值的置信區間 /55

3．2．2 ii d 誤差情況下的分位回歸漸近性 /56

3．2．3 非ii d 誤差情況下的分位回歸漸近性 /57

3．3 Wald 檢驗 /57

3．3．1 雙樣本位移檢驗 /58

3．3．2 一般線性假設 /59

3．4 漸近協方差矩陣估計 /59

3．4．1 標量稀疏度估計 /59

3．4．2 非iid 誤差情況下的協方差矩陣估計 /61

3．5 基於秩的推論 /62

3．5．1 雙樣本位移的秩檢驗 /63

3．5．2 線性秩統計量 /65

3．5．3 線性秩統計量的漸近性 /66

3．5．4 基於回歸秩分的秩檢驗 /67

3．5．5 基於回歸秩分的置信區間 /71

3．6 分位似然比檢驗 /72

3．7 有關分位回歸過程的推論 /74

3．7．1 Wald 過程 /76

3．7．2 分位似然比過程 /76

3．7．3 對分位秩分過程的再考察 /76

3．8 對位置比例假設的檢驗 /76

3．9 再取樣方法和自舉法 /82

3．9．1 對自舉法的改進、平滑處理和子採樣 /83

3．9．2 子梯度條件下的再取樣方法 /84

3．10 對幾種方法的蒙特卡羅比較 /86

3．10．1 模型1———一個位置移動模型 /86

3．10．2 模型2———一個位置比例移動模型 /87

4 分位回歸的漸近理論 /89

4．1 一致性 /89

4．1．1 單變數樣本分位 /90

4．1．2 線性分位回歸 /91

4．2 收斂速度 /92

4．3 Bahadur 表示法 /94

4．4 非線性分位回歸 /95

4．5 分位回歸秩分過程 /96

4．6 非獨立條件下的分位回歸漸近理論 /97

4．6．1 自回歸 /97

4．6．2 AR MA 模型 /99

4．6．3 AR CH 類模型 /99

4．7 極值分位回歸 /100

4．8 分位方法 /100

4．9 模型選擇、懲罰和大p 值漸近性 /102

4．9．1 模型選擇 /103

4．9．2 懲罰方法 /103

4．10 推斷的漸近性 /106

4．10．1 標量稀疏度估計 /106

4．10．2 協方差矩陣估計 /108

4．11 再取樣法和自舉法 /108

4．12 分位回歸過程的漸近性 /109

4．12．1 Durbi n 問題 /109

4．12．2 參數經驗過程的Kh maladze 方法 /110

4．12．3 參數化分位過程 /112

4．12．4 參數化分位回歸過程 /113

5 L 統計量和加權分位回歸 /116

5．1 線性模型的L 統計量 /116

5．1．1 位置和比例的最優L 估計值 /117

5．1．2 線性模型的L 估計 /119

5．2 分位回歸的核平滑處理 /121

5．3 加權分位回歸 /123

5．3．1 加權線性分位回歸 /123

5．3．2 權重估計 /124

5．4 位置比例模型的分位回歸 /126

5．5 耵函式的加權和 /129

6 分位回歸計算 /132

6．1 線性規劃簡介 /132

6．1．1 頂點 /133

6．1．2 下降的方向 /134

6．1．3 最最佳化條件 /135

6．1．4 互補鬆弛 /136

6．1．5 對偶 /137

6．2 分位回歸的單純形法 /138

6．3 分位回歸的參數規劃 /141

6．4 標準線性規劃問題的內點法 /145

6．4．1 牛頓法的極致套用———一個基本例子 /147

6．4．2 分位回歸的內點法 /151

6．4．3 內點和外點———計算上的比較 /153

6．4．4 計算的複雜性 /154

6．5 分位回歸的前期處理 /155

6．5．1 “選擇”單變數分位 /156

6．5．2 實施 /156

6．5．3 置信區間 /157

6．5．4 選擇m /158

6．6 非線性分位回歸 /159

6．7 不等式約束條件 /161

6．8 耵函式的加權和 /161

6．9 稀疏性 /162

6．10 結論 /165

7 非參數分位回歸 /166

7．1 局部多項式分位回歸 /166

7．1．1 平均導數估計 /169

7．1．2 加和模型 /171

7．2 對單變數平滑處理的懲罰辦法 /171

7．2．1 單變數粗糙度懲罰 /171

7．2．2 總變分粗糙度懲罰 /172

7．3 對雙變數平滑處理的懲罰辦法 /175

7．3．1 雙變數總變分粗糙度懲罰 /176

7．3．2 三角式的總變分懲罰 /176

7．3．3 線性規劃下的懲罰三角式估計 /179

7．3．4 再論三角化 /180

7．3．5 再論稀疏性 /180

7．3．6 脛檔淖遠≡ /181

7．3．7 邊界和非量化約束 /181

7．3．8 一個關於芝加哥土地價值的模型 /181

7．3．9 緊繩和邊界偵察 /183

7．4 加和模型和稀疏性的作用 /185

8 分位回歸研究前瞻 /187

8．1 存活數據的分位回歸 /187

8．1．1 分位函式還是風險函式？ /188

8．1．2 刪截 /189

8．2 離散反應模型 /191

8．2．1 雙應變數 /191

8．2．2 計數數據 /193

8．3 分位自回歸 /194

8．4 Copula 函式和非線性分位回歸 /197

8．5 相對於分位回歸的高失效點法 /199

8．6 多變數分位 /202

8．6．1 Oja 中位值及其延伸 /203

8．6．2 半空間深度和方向性分位回歸 /204

8．7 對縱向數據的懲罰辦法 /205

8．7．1 最小二乘法懲罰的經典隨機效應 /205

8．7．2 具有懲罰固定效應的分位回歸 /206

8．8 因果效應和結構模型 /208

8．8．1 結構方程模型 /208

8．8．2 Ches her 因果鏈式模型 /210

8．8．3 結構分位效應詮釋 /210

8．8．4 估計和推論 /211

8．9 Choquet 效用、風險和悲觀投資組合 /212

8．9．1 Choquet 期望效用 /213

8．9．2 Choquet 風險評估 /214

8．9．3 悲觀投資組合 /215

9 結 論 /218

A 漸近臨界值表 /220

B 英漢術語對照 /222

參考文獻 /225