简介
《分位数回归模型及其应用》围绕分位数估计，以分位数回归模型为主线，研究了变换可加分位数回归模型的估计方法和应用、分位数回归模型在空间数据中的应用以及如何利用鞍点逼近技术求解分位数。变换可加分位数回归模型既能够体现出非参数模型的优点，又能克服一般非参数方法的缺点。将分位数回归思想用于空间数据分析是今年研究的一个热点，我们对这方面的问题也进行了一些探索。
目录
第1章 概述
第2章 变换可加分位数回归
2.1 分位数回归简介
2.2 研究现状
2.3 模型
2.4 模型估计方法和性质
2.4.1 模型估计方法
2.4.2 估计量的相合性
2.5 性质证明
2.5.1 MH估计性质证明
2.5.2 FSE估计性质证明
2.6 模拟和经验运用
2.6.1 Monte Carlo模拟
2.6.2 经验数据分析
2.7 讨论
第3章 分位数空间自回归模型
3.1 介绍
3.1.1 空间数据
3.1.2 空间自回归模型
3.2 模型和IVQR估计
3.3 Bootstrap方法构造置信区间
3.3.1 空间数据的再抽样
3.3.2 模拟研究
3.4 经验数据应用
3.5 半参数分位数空间自回归模型
3.5.1 模型性质讨论
3.6 模拟以及经验应用
3.6.1 Monte Carlo模拟
3.6.2 经验数据分析
3.7 讨论
第4章 鞍点逼近方法用于分位数估计
4.1 介绍
4.2 鞍点逼近的原理和方法
4.2.1 普通鞍点逼近
4.2.2 经验鞍点逼近
4.2.3 广义鞍点逼近
4.3 鞍点逼近方法的运用
4.3.1 VaR值估计
4.3.2 广义卡方型混合分布
4.3.3 独立逆抽样下优势比
4.4 讨论
参考文献
第2章 变换可加分位数回归
2.1 分位数回归简介
2.2 研究现状
2.3 模型
2.4 模型估计方法和性质
2.4.1 模型估计方法
2.4.2 估计量的相合性
2.5 性质证明
2.5.1 MH估计性质证明
2.5.2 FSE估计性质证明
2.6 模拟和经验运用
2.6.1 Monte Carlo模拟
2.6.2 经验数据分析
2.7 讨论
第3章 分位数空间自回归模型
3.1 介绍
3.1.1 空间数据
3.1.2 空间自回归模型
3.2 模型和IVQR估计
3.3 Bootstrap方法构造置信区间
3.3.1 空间数据的再抽样
3.3.2 模拟研究
3.4 经验数据应用
3.5 半参数分位数空间自回归模型
3.5.1 模型性质讨论
3.6 模拟以及经验应用
3.6.1 Monte Carlo模拟
3.6.2 经验数据分析
3.7 讨论
第4章 鞍点逼近方法用于分位数估计
4.1 介绍
4.2 鞍点逼近的原理和方法
4.2.1 普通鞍点逼近
4.2.2 经验鞍点逼近
4.2.3 广义鞍点逼近
4.3 鞍点逼近方法的运用
4.3.1 VaR值估计
4.3.2 广义卡方型混合分布
4.3.3 独立逆抽样下优势比
4.4 讨论
参考文献
分位数回归模型及其应用
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
