QUANTILE REGRESSION LÀ GÌ

     

Hồi quy quantile regression phân vị là một trong loại phân tích hồi quy được áp dụng trong những thống kê và tài chính lượng. Vào khi phương thức bình phương tối thiểu mong tính quý giá trung bình có điều kiện của biến trả lời trên các giá trị của thay đổi dự báo, hồi quy lượng tử mong tính trung vị có điều kiện (hoặc các phân vị khác ) của trở thành phản ứng. Hồi quy lượng tử là một phần mở rộng của hồi quy đường tính được thực hiện khi các điều kiện của hồi quy đường tính không được đáp ứng.Bạn vẫn xem: Quantile regression là gì

Mục lục bài xích viết

Ưu cùng nhược điểmỨng dụng hồi quy phân vị trên Stata

Hồi quy Quantile Regression là gì ?

Phương pháp hồi quy phân vị được Koenker và Bassett trình làng lần thứ nhất năm 1978. Thay do ước lượng các tham số của hàm hồi quy trung bình bằng cách thức OLS, Koenker & Bassett (1978) lời khuyên việc cầu lượng tham số hồi quy trên từng phân vị của biến dựa vào để làm thế nào cho tổng chênh lệch hoàn hảo của hàm hồi quy trên phân vị τ của biến dựa vào là nhỏ dại nhất. Nói một giải pháp khác, vắt vì khẳng định tác hễ biên của biến tự do đến quý hiếm trung bình của đổi thay phụ thuộc, hồi quy phân vị sẽ giúp xác định tác động ảnh hưởng biên của biến tự do đến biến dựa vào trên từng phân vị của biến phụ thuộc vào đó. Đồng thời những ưu thế của phương pháp hồi quy phân vị với phương pháp OLS của hồi quy cổ điển để cho thấy ưu điểm của hồi quy phân vị và sự phù hợp của hồi quy phân vị một trong những nghiên cứu vãn về chênh lệch chi phí lương, cũng giống như trong các nghiên cứu về bất đồng đẳng trong xóm hội.

Bạn đang xem: Quantile regression là gì

Ưu và nhược điểm

Sau lúc Koenker với Bassett (1978) ra mắt mô hình hồi quy phân vị đầu tiên, không hề ít các nghiên cứu được thực hiện tiếp nối nhằm tương khắc phục các nhược điểm,đồng thời mở rộng hồi quy phân vị. Ngày càng có nhiều các bài nghiên cứu ứng dụng hồi quy được thực hiện và công bố, cho biết thêm hồi quy phân vị đang ngày càng được hoàn thành xong và ngày càng trở thành công cụ ý hợp tâm đầu trong nghiên cứu kinh tế. Theo Koenker (2005) và Hao và Naiman (2007), hồi quy phân vị tất cả những ưu điểm như sau.

Ưu điểm hồi quy phân vị

Thứ hai, mặc dù các đo lường và tính toán thực hiện trong hồi quy phân vị là phức hợp và trọng lượng tính toán nhiều hơn thế trong OLS, nhưng với sự phát triển của toán học, thống kê học cộng với sự hỗ trợ của công nghệ thông tin thì những đo lường như quy hoạch tuyến tính, bootstrap, được tiến hành rất dễ ợt và cấp tốc chóng.Thứ ba, vào hồi quy OLS, các quan sát phi lý (outliers) thường được thải trừ để mong lượng OLS không trở nên chệch. Trong lúc đó, hồi quy phân vị có tính bất biến (robustness), không bị tác động bởi sự hiện diện của những quan sát không bình thường đó.Thứ tư, những kiểm định về thông số của hồi quy phân vị không nhờ vào tính chuẩn chỉnh của không đúng số. Rộng nữa, các kiểm định này không dựa trên bất kỳ một đưa định nào về dạng trưng bày của không nên số hồi quy.Thứ năm, hồi quy phân vị sệt biệt tương xứng khi so với trên quy mô hồi quy có sự hiện diện của phương sai chuyển đổi hoặc trong chủng loại số liệu nhưng mà hàm cung cấp của biến dựa vào bất đối xứng quanh cực hiếm trung bình. Khi đó, hàm hồi quy phân vị trên những phân vị khác biệt sẽ gồm sự khác biệt rõ rệt, cho biết thêm tác động rất khác nhau của biến chủ quyền đến biến nhờ vào ở các phân vị không giống nhau.

Nhược điểm của hồi quy Quantile Regression

Bên cạnh các ưu thế đã được nêu trên, hồi quy phân vị vẫn còn một số nhược điểm như sau:

Một là, các tính toán trong hồi quy phân vị phức hợp hơn so với OLS. Ví như trong OLS, ao ước tìm mong lượng tham số hồi quy sao cho tổng bình phương không đúng số là nhỏ nhất thì rất có thể áp dụng các công thức tìm rất trị của giải tích toán học tập như lấy đạo hàm riêng cùng giải hệ phương trình ứng với đk cần của rất trị. Trong lúc đó, cầu lượng tham số của hồi quy phân vị tiến hành thông qua việc giải vấn đề quy hoạch tuyến đường tính. Vấn đề này sẽ trở ngại nếu không có sự hỗ trợ của máy tính.Hai là, phải thực hiện nhiều hàm hồi quy trên các phân vị mới cho thấy thêm được trọn vẹn sự tác động của biến độc lập đến biến dựa vào thay bởi chỉ gồm một hàm hồi quy trung bình có đk trong OLS.Ba là, việc vận dụng hồi quy phân vị cho các dạng hàm phi tuyến còn khá hạn chế. Các lý thuyết để cách xử trí tự tương quan hoặc nội sinh vào hồi quy phân vị còn chưa được cách tân và phát triển hoàn thiện.

Ứng dụng hồi quy phân vị trên Stata

Giả thuyết

Chúng ta xây dựng quan hệ của CPI + DC tác động ảnh hưởng lên LnGDP, thường quan hệ tác động như vậy này thì bọn họ sẽ dễ ợt phân tích bởi hồi quy bình phương nhỏ tuổi nhất cũng đến ra công dụng tương ứng, nhưng có một thực sự là hồi quy ols chỉ mang lại ra kết quả trung bình của CPI + DC tác động ảnh hưởng lên LnGDP,không nói lên được mức độ của CPI DC ảnh hưởng lên LnGDP lúc tăng trưởng 10 % | 25% | một nửa | 75% | 90% sẽ ra sao ? với đưa thuyết này thì bọn họ hồi quy phân vị để nhận ra mức độ của CPI + DC tác động lên từng phân vị của LnGDP thế nào ?

Hồi quy phân vị

Kết trái hồi quy với các phân vị trên, ta được:


*

CPI: Ta giành được được tuy không có chân thành và ý nghĩa thống kê tuy thế hệ số ảnh hưởng của CPI biến hóa liên tục, nếu thông số phân vị một nửa thì ngược lại, nó có tác động dương cho LnGDP. Và quan trọng đặc biệt ở phân vị 90% thì trở nên CPI có chân thành và ý nghĩa thống kê, có nghĩa là biến CPI có ảnh hưởng tác động dương lên trở nên phụ thuộc.

Kiểm định phương không nên sai số cầm cố đổi

ta đạt được phương sai sai số khi phân vị là 10% là cố định còn lại gần như phân vị khác là phương không đúng phần dư chũm đổi

Machado-Santos Silva chạy thử for heteroskedasticityHo: Constant varianceVariables: Fitted values of LnGDP and its squares

chi2(2) = 4.996Prob > chi2 = 0.082

Đồ thị phân vị


*

CPI: Qua đồ vật thị chúng ta dễ dàng thấy được rằng, khi phân vị càng rẻ thì CPI ảnh hưởng lên LnGDP càng ít, tuy nhiên khi phân vị là 20% thì CPI có tác động dương với đổi thay phụ thuộc, đôi khi khi tăng phân vị lên thì CPI cũng tăng vọt mức độ ảnh hưởng lên LnGDP

DC: khi phân vị tăng dần cho tới 30% thì DC có tác động ảnh hưởng cùng chiều với biến đổi phụ thuộc, dẫu vậy khi phân vị tăng rộng 30% thì DC có ảnh hưởng tác động ngược chiều với LnGDP.

Xem thêm: Pros Cons Là Gì ? Các Từ Quan Trọng Liên Quan Đến Pros And Cons

Ứng dụng hồi quy phân vị

Theo Hao & Naiman (2007), hồi quy phân vị đặc biệt phù hợp với việc phân tích chênh lệch chi phí lương9, bởi những lý do như sau:

Một, vào nội dung nghiên cứu và phân tích về chênh lệch chi phí lương, không tính yêu mong phân tích chênh lệch tiền lương trung bình, các nhà nghiên cứu còn cần để ý phân tích chênh lệch chi phí lương vừa phải ở nhóm tiền lương thấp, nhóm tiền lương cao và các nhóm không giống từ thấp mang lại cao. Vì đó, rất có thể vận dụng hồi quy phân vị ứng với những phân vị khác nhau để cho biết mức độ chênh lệch theo từng nhóm tiền lương.

Hai là, hàm trưng bày của phát triển thành tiền lương thường xuyên là hàm triển lẵm bất cân nặng xứng, tất cả dạng bày bán nặng đuôi (heavy – tailed), là điển hình nổi bật của mẫu mã số liệu bị hiện tượng lạ phương sai rứa đổi. Phương thức hồi quy quantile regression phân vị thích phù hợp với các mẫu mã số liệu có hiện hữu hiện tượng phương sai đổi khác vì phương thức này ko những cho thấy tác động theo vị trí hơn nữa phân tích ảnh hưởng theo bài bản của hàm phân phối.

Ba là, phương pháp hồi quy phân vị có thể thực hiện tại một nấc phân vị bấtkỳ t Î(0,1) vì chưng vậy, nếu gồm một nghiên cứu kinh tế tài chính hay một định hướng kinh tế như thế nào đócông bố tin tức về bất đồng đẳng tại một phân vị rõ ràng nào đó, thì công ty nghiên cứu

có thể triển khai hồi quy tại phân vị khớp ứng để phân tích. Ví dụ, trong nghiên cứu và phân tích về tình trạng đói nghèo trên Việt Nam cho biết thêm tỷ lệ hộ nghèo ở việt nam năm 2010 là 9,45% (theo Tổng viên Thống kê), khi tiến hành hồi quy phân vị rất có thể tiến hành hồi quy theo phân vị tương xứng với phần trăm này để có những tóm lại phù hợp. Đây là vấn đề không thể triển khai được nếu cần sử dụng OLS.

Bốn là, phương pháp hồi quy phân vị về tiền lương có thể được thực hiện so với nhiều phân vị (cách nhau 5% hoặc 1%). Vày đó, rất có thể thấy được tác động của những yếu tố đến tiền lương sinh sống từng phân vị không giống nhau sẽ khác nhau như cố kỉnh nào. Ứng với mỗi đội phân vị không giống nhau hoàn toàn có thể có đầy đủ yếu tố tác động khác nhau. Trường đoản cú đó, nhà nghiêu cứu có thể đề xuất các chính sách, các chiến thuật cho phù hợp.

Xem thêm: Tiểu Sử Hai Bà Trưng : Tiểu Sử Và Cuộc Khởi Nghĩa Chống Quân Nam Hán

Năm là, các phân tích về chênh lệch chi phí lương, chênh lệch thu nhập, chênh lệch nút sống cũng giống như các nghiên cứu và phân tích về tình trạng bất đồng đẳng trong thôn hội thường xuyên ít dựa trên các mô hình mà dựa trên những chỉ tiêu đo lường và thống kê sự bất đồng đẳng như con đường cong Lorenz, thông số Gini, chỉ số Theil… cùng với các điểm mạnh nêu trên, hồi quy quantile regression phân vị được bổ sung cập nhật vào kho khí cụ để nghiên cứu sự bất bình đẳng như là một trong những công thế nghiên cứu dễ dàng và hiệu quả.