基于MCMC算法的貝葉斯分位回歸計(jì)量模型及應(yīng)用研究.pdf

1、分位回歸方法通過(guò)解最優(yōu)化問(wèn)題來(lái)實(shí)現(xiàn)對(duì)變量樣本分位數(shù)的估計(jì)，它可以刻畫協(xié)變量對(duì)響應(yīng)變量條件分布位置，尺度和形狀的影響。與經(jīng)典的最小二乘回歸方法相比，分位回歸方法不僅可以刻畫響應(yīng)變量的中心趨勢(shì)，還可以刻畫變量的尾部行為。因此，利用分位回歸方法進(jìn)行計(jì)量經(jīng)濟(jì)建模研究是近年來(lái)研究的熱點(diǎn)。本文在貝葉斯理論框架下，主要對(duì)隨機(jī)系數(shù)分位AR模型，馬爾可夫轉(zhuǎn)換隨機(jī)系數(shù)分位AR模型，非參數(shù)傅立葉級(jí)數(shù)分位回歸模型的構(gòu)建，參數(shù)估計(jì)及其在中國(guó)經(jīng)濟(jì)增長(zhǎng)問(wèn)題中的應(yīng)用進(jìn)

2、行了深入研究，并取得若干有意義的成果。
　　 針對(duì)許多經(jīng)濟(jì)變量分布的有偏性，厚尾性和多峰性等特點(diǎn)，提出了一類隨機(jī)系數(shù)分位AR模型，并研究了模型的結(jié)構(gòu)特征和異方差性；基于非對(duì)稱Laplace分布構(gòu)建了模型的似然函數(shù)，并給出了隨機(jī)系數(shù)分位AR模型的貝葉斯推斷及其M-H抽樣算法。仿真分析結(jié)果表明，隨機(jī)系數(shù)分位AR模型可以有效地刻畫滯后變量對(duì)當(dāng)前變量非對(duì)稱性和局部持續(xù)性影響。隨機(jī)系數(shù)分位AR模型假設(shè)協(xié)變量與響應(yīng)變量之間的關(guān)系是線性的，但

3、許多經(jīng)濟(jì)變量之間的關(guān)系是非線性的，這就要求用非線性模型來(lái)刻畫支配數(shù)據(jù)的規(guī)律?？紤]變點(diǎn)之間的相依性，利用馬爾可夫鏈來(lái)刻畫條件分位函數(shù)的變結(jié)構(gòu)性，提出了一種馬爾可夫轉(zhuǎn)換隨機(jī)系數(shù)分位AR模型；結(jié)合數(shù)據(jù)擴(kuò)充技術(shù)，利用Gibbs抽樣算法實(shí)現(xiàn)了模型的貝葉斯推斷。仿真分析結(jié)果表明，馬爾可夫轉(zhuǎn)換隨機(jī)系數(shù)分位AR模型可以有效的刻畫不同概率水平下條件分位函數(shù)的變結(jié)構(gòu)性。
　　 為了適應(yīng)更復(fù)雜的經(jīng)濟(jì)管理問(wèn)題，一個(gè)自然的選擇就是非參數(shù)方法，即對(duì)模型形式

4、不做任何假設(shè)，讓數(shù)據(jù)自身搜索更適合自己的非線性形式。針對(duì)核估計(jì)方法和樣條估計(jì)方法分別存在窗寬選擇以及結(jié)點(diǎn)個(gè)數(shù)、結(jié)點(diǎn)位置選擇的問(wèn)題，提出了一種非參數(shù)分位回歸模型的傅立葉正交估計(jì)方法；通過(guò)把非對(duì)稱Laplace分布表示成指數(shù)分布和正態(tài)分布的線性組合，獲得了條件分位函數(shù)后驗(yàn)估計(jì)量的解析表達(dá)形式；并研究了后驗(yàn)估計(jì)量的漸近性質(zhì)，發(fā)現(xiàn)正交估計(jì)方法比核估計(jì)方法有更快的收斂速度。仿真分析結(jié)果表明，傅立葉級(jí)數(shù)可以有效地?cái)M合條件分位曲線，并且其擬合效果比樣

5、條方法更優(yōu)。
　　 在上述貝葉斯分位回歸計(jì)量經(jīng)濟(jì)建模理論研究的基礎(chǔ)上，結(jié)合經(jīng)濟(jì)增長(zhǎng)理論分析了中國(guó)經(jīng)濟(jì)增長(zhǎng)的波動(dòng)特征和收斂性。研究結(jié)果表明，1971-2009年中國(guó)GDP增長(zhǎng)率的分布具有有偏性和高峰厚尾性，且具有異方差性；從經(jīng)濟(jì)增長(zhǎng)收斂性的角度來(lái)看，改革開放以來(lái)到大規(guī)模股份制改革前經(jīng)濟(jì)增長(zhǎng)具有同質(zhì)性而大規(guī)模股份制改革后經(jīng)濟(jì)增長(zhǎng)具有異質(zhì)性；從政策變量對(duì)經(jīng)濟(jì)增長(zhǎng)影響的角度來(lái)看，物質(zhì)資本存量，人力資本與經(jīng)濟(jì)增長(zhǎng)之間表現(xiàn)出非線性的正相關(guān)關(guān)