公共文化服务平台

搜索到4143篇“ 分位数回归方法“的相关文章

数字经济赋能共同富裕:基于分位数回归方法: 2024年; 中国推进共同富裕的过程恰好与数字经济快速发展的时期相契合,数字经济是新时代经济增长的重要引擎,是在高质量中促进共同富裕的重要力量.本文基于数字经济的内涵,构建了数字经济发展指数,并利用中国家庭微观调查数据,采用分位数回归方法深入探究了数字经济对共同富裕的影响效应和作用机制.研究发现,数字经济发展显著提升了居民收入水平,并且对于不同收入群体有显著异质性,相比高收入群体,数字经济对低收入群体的促进作用更强.机制分析表明,数字经济的普惠性降低了金融服务的门槛,为低收入群体创造了均等的发展机会,提升了创业活跃度,促进了就业增长,提供了更多的就业机会.数字经济发展推动了劳动力非农转型,从而使得农户总收入增加,降低了收入差距.本文的研究为数字经济如何赋能共同富裕提供了经验证据,为政府扎实推进共同富裕提供了决策参考.; 纪园园杨岚程东坡; 关键词：数字经济共同富裕收入差距

一种基于GSSL惩罚先验的张量贝叶斯分位数回归方法: 本发明涉及张量回归的贝叶斯统计推断技术领域，并公开了一种基于GSSL惩罚先验的张量贝叶斯分位数回归方法。为能够度量参数的随机性，在贝叶斯框架下，本发明提出张量分位数回归，其中的GSSL惩罚先验分布给出了一种针对张量回归系...; 唐安民戴登鸾赵慧

Copula分位数回归方法在风电超短期出力预测上的应用: 2024年; 风电出力具有较强的随机性和波动性,相比于传统预测,分位数预测方法能够提供全面的风电功率概率分布信息,可实现更可靠的风电出力预报,对电网系统的安全和稳定运行具有重要意义.以甘肃某风电站为案例,将数据按6∶2∶2划分为训练集、验证集和测试集,采用基于Copula的分位数回归方法(QCopula)进行功率区间预测,并与三个传统的分位数回归方法进行比较.结果显示,在不同置信区间下QCopula的修正预测区间精度范围在0.701~0.773之间,预测精度平均值比传统分位数回归(QR)、随机森林分位数回归(QRF)和长短期记忆神经网络分位数回归(QLSTM)分别高出15%、9%和13%,优于其他三种分位数预测方法.分位数交叉验证中,QCopula未出现分位数交叉,每个样本点的功率预测值均随概率值单调递增,而QR、QRF、QLSTM均出现不同程度的分位数交叉现象.综上所述,QCopula可以表征更小的区间宽度和更高的区间覆盖率,且分位数曲线不存在交叉,可信度较高.; 郭军红郭军红汪月新李薇丁一李薇; 关键词：COPULA函数分位数回归风电出力预测

分位数回归方法简介及其在医学研究领域中的应用: 2024年; 本文介绍了分位数回归方法的基本理论,并通过实例数据分析展示其在医学和公共卫生领域的应用,为相关研究提供方法学参考。实例基于美国健康和营养调查的横断面数据拟合分位数回归模型,探索睡眠时间和抑郁水平在不同抑郁水平分位数下的关联。方法揭示了抑郁程度越高的群体,其抑郁水平受睡眠时间的影响更大。该实例说明了分位数回归方法可以提供暴露和连续型结局之间的全面关联分析,并能识别出对暴露因素更敏感的亚组人群,可为该人群制定针对性的干预提供建议。该方法在医学和公共卫生研究中有很好的应用和推广价值。; 潘璐璐余勇夫秦国友; 关键词：分位数回归抑郁睡眠时间

基于融合Lasso惩罚变量的贝叶斯混合效应分位数回归方法研究: 2024年; 为了解决混合效应分位数回归模型中大量未知随机效应和固定效应的存在,给模型参数估计与变量选择带来的困难问题.提出一种带有融合Lasso惩罚的贝叶斯混合效应分位数回归方法来估计系数,给出了模型的后验分布,构造了参数估计的Gibbs抽样算法.模拟显示,该方法在不同的随机误差分布下都有较强的稳健性,且在稀疏数据类型下相比稠密数据类型具有更好的表现,在变量选择问题上,不仅能选择重要的变量,而且将无关变量推向0附近,提高了模型的乏化能力和解释性,为实际工作者研究稀疏纵向数据提供了一种有效的建模方法.; 李琼忆金良琼陶永冉烨军; 关键词：分位数回归贝叶斯估计

固定效应面板数据的无条件分位数回归方法及其应用被引量：2: 2023年; 针对含固定效应的面板数据,讨论一般化的无条件分位数回归建模问题。基于两个矩条件,得到面板数据无条件分位数回归的点估计,并通过Bootstrap重抽样技术进一步给出置信区间估计办法。其次,通过计算机蒙特卡洛模拟,详细比较无条件分位数回归估计与条件分位数回归估计的效果。研究结果表明,在数据量、误差项分布、估计参数真实值的不同情况下,UQR的估计偏差和均方根误差都很小,UQR是固定效应的面板数据的有效估计办法。当样本量增加或者估计参数真实值数量级增大的情况下,UQR估计会更有效。UQR估计在0.5分位点的估计效果最佳,低分位点的估计效果优于高分位点的估计效果。最后,根据各省市的消费收入数据进行了实证研究,发现UQR能更好地解释实际的消费情况。; 左倩罗幼喜田茂再赵雪漪; 关键词：边际消费倾向广义矩估计

估计和识别潜在组结构的分位数回归方法: 近年来,从回归中提取分组结构或识别同质性子组受到了越来越多的关注。对于异质性的数据,经典统计模型下的齐次设定会导致有偏的估计。因此,从异质性总体中识别同质性亚组是十分重要的。在高维数据分析中,协变量之间往往存在某种组结构...; 邢雨; 关键词：同质性分位数回归

经济增长数据的变点识别与影响分析--基于变点分位数回归方法: 分位数回归模型对存在异常值以及重尾分布特征的数据拟合有着良好的稳健性．并且，在现实中变量的耦合关系也往往不是线性的，使得讨论变点分位数回归成为一项富有现实意义的工作．本文所采用的是变点处连续分段线性分位数回归模型，通过分...; 程凑先; 关键词：分位数回归经济增长技术进步稳健性

基于复合分位数回归方法的我国对外贸易进出口总额预测研究: 随着世界格局一体化的推进，对外贸易作为我国与其他国家相关联的经济纽带，在我国国民经济中所居地位越来越高。对外贸易发展状态直接关系到我国国家的发展水平，健康平稳的对外贸易对国家竞争实力的提升具有不可忽视的重要作用。因此，对...; 单文; 关键词：进出口贸易

大规模数据的L_(1)惩罚分位数回归方法研究--基于特征筛选和随机抽样方法被引量：1: 2022年; 为解决大规模数据在进行回归分析时存在的计算内存不足和运行时间较长的问题,提出两个新的回归分析方法:先筛选后抽样的大规模数据L_(1)惩罚分位数回归方法(FSSLQR)和先抽样后筛选的大规模数据L_(1)惩罚分位数回归方法(SFSLQR),其数值模拟和实际应用结果表明:FSSLQR和SFSLQR方法不仅能够显著降低计算内存和运行时间,而且其估计预测和变量选择的结果与全量L_(1)惩罚分位数回归基本一致。此外,与Xu等(2018)提出的大规模数据的L1惩罚分位数回归方法(SLQR)相比,FSSLQR和SFSLQR方法在估计预测、变量选择和运行时间等方面都更具优势。; 蔡超王康宁; 关键词：大规模数据

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈