《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
- 中文名：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,圖書目錄,
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
