Quantile regression là gì

Hồi quy quantile regression phân vị là một loại đối chiếu hồi quy được sử dụng vào thống kê cùng gớm tế lượng. Trong Lúc phương pháp bình phương tối thiểu ước tính giá bán trị mức độ vừa phải tất cả điều kiện của biến trả lời bên trên những giá chỉ trị của biến dự báo, hồi quy lượng tử ước tính trung vị bao gồm điều kiện (hoặc những phân vị không giống ) của biến phản ứng. Hồi quy lượng tử là một phần mở rộng của hồi quy tuyến tính được sử dụng khi các điều kiện của hồi quy tuyến tính không được đáp ứng.

Bạn đang xem: Quantile regression là gì


Mục lục bài xích viết


Ưu và nhược điểmỨng dụng hồi quy phân vị bên trên Stata

Hồi quy Quantile Regression là gì ?

Phương pháp hồi quy phân vị được Koenker & Bassett giới thiệu lần đầu tiên năm 1978. Ttuyệt bởi vì ước lượng các tham số của hàm hồi quy vừa đủ bằng phương pháp OLS, Koenker & Bassett (1978) đề xuất việc ước lượng tsi mê số hồi quy bên trên từng phân vị của biến phụ thuộc để làm sao để cho tổng chênh lệch tuyệt đối của hàm hồi quy tại phân vị τ của biến phụ thuộc là nhỏ nhất. Nói một biện pháp khác, ráng vày xác định tác động biên của biến độc lập đến giá trị vừa phải của biến phụ thuộc, hồi quy phân vị sẽ góp xác định tác động biên của biến độc lập đến biến phụ thuộc trên từng phân vị của biến phụ thuộc đó. Đồng thời những ưu điểm của phương pháp hồi quy phân vị với phương pháp OLS của hồi quy cổ điển để đến thấy ưu điểm của hồi quy phân vị cùng sự phù hợp của hồi quy phân vị vào những nghiên cứu về chênh lệch tiền lương, cũng như trong các nghiên cứu về bất bình đẳng vào làng mạc hội.

Ưu và nhược điểm

Sau Lúc Koenker cùng Bassett (1978) giới thiệu mô hình hồi quy phân vị đầu tiên, rất nhiều những nghiên cứu được thực hiện sau đó nhằm khắc phục những nhược điểm,đồng thời mở rộng hồi quy phân vị. Ngày càng bao gồm nhiều các bài nghiên cứu ứng dụng hồi quy được thực hiện và công bố, đến thấy hồi quy phân vị đang càng ngày được trả thiện và càng ngày trở thành công xuất sắc cụ đắc lực trong nghiên cứu tởm tế. Theo Koenker (2005) và Hao và Naiman (2007), hồi quy phân vị gồm những ưu điểm như sau.

Ưu điểm hồi quy phân vị

Thứ hai, mặc mặc dù các tính toán thù thực hiện vào hồi quy phân vị là phức tạp và khối lượng tính tân oán nhiều hơn trong OLS, nhưng với sự phân phát triển của tân oán học, thống kê học cộng với sự hỗ trợ của công nghệ thông tin thì những tính toán thù như quy hoạch tuyến tính, bootstrap, được thực hiện rất dễ dàng với nhanh chóng.Thứ cha, vào hồi quy OLS, các quan liêu sát bất thường (outliers) thường được loại bỏ để ước lượng OLS ko bị chệch. Trong lúc đó, hồi quy phân vị gồm tính ổn định (robustness), không bị ảnh hưởng bởi sự hiện diện của những quan tiền ngay cạnh bất thường đó.Thứ tư, những kiểm định về tham số của hồi quy phân vị không dựa vào tính chuẩn của sai số. Hơn nữa, các kiểm định này sẽ không dựa trên bất kỳ một giả định làm sao về dạng phân phối của không nên số hồi quy.Thứ năm, hồi quy phân vị đặc biệt phù hợp lúc so sánh trên mô hình hồi quy bao gồm sự hiện diện của phương sai cố gắng đổi hoặc trong mẫu số liệu cơ mà hàm phân phối của biến phụ thuộc bất đối xứng quanh giá chỉ trị vừa phải. Lúc đó, hàm hồi quy phân vị bên trên những phân vị khác biệt sẽ bao gồm sự không giống biệt rõ rệt, mang đến thấy tác động không giống nhau của biến độc lập đến biến phụ thuộc ở những phân vị khác nhau.

Nhược điểm của hồi quy Quantile Regression

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

Một là, các tính tân oán trong hồi quy phân vị phức tạp hơn so với OLS. Ví dụ như vào OLS, muốn kiếm tìm ước lượng tđắm say số hồi quy sao để cho tổng bình phương sai số là nhỏ nhất thì tất cả thể áp dụng các công thức tra cứu cực trị của giải tích toán thù học như lấy đạo hàm riêng rẽ và giải hệ phương trình ứng với điều kiện cần của cực trị. Trong Khi đó, ước lượng tsi mê số của hồi quy phân vị thực hiện thông qua việc giải bài xích toán quy hoạch tuyến tính. Việc này sẽ cực nhọc khăn nếu không tồn tại sự hỗ trợ của máy tính.Hai là, phải thực hiện nhiều hàm hồi quy bên trên nhiều phân vị mới cho thấy được toàn diện sự tác động của biến độc lập đến biến phụ thuộc núm vị chỉ gồm một hàm hồi quy trung bình gồm điều kiện trong OLS.Ba là, việc áp dụng hồi quy phân vị cho các dạng hàm phi tuyến còn khá hạn chế. Các lý thuyết để xử lý tự tương quan tiền hoặc nội sinh trong hồi quy phân vị còn chưa được vạc triển trả thiện.

Ứng dụng hồi quy phân vị bên trên Stata

Giả thuyết

Chúng ta xây dựng mối quan hệ của CPI + DC tác động lên LnGDP, thường mối quan tiền hệ tác động như thế này thì bọn họ sẽ dễ dàng so với bằng hồi quy bình phương nhỏ nhất cũng đã cho ra kết quả tương ứng, nhưng gồm một sự thật là hồi quy ols chỉ đã tạo ra kết quả vừa đủ của CPI + DC tác động lên LnGDPhường,ko thể hiện được mức độ của CPI DC tác động lên LnGDP.. Khi tăng trưởng 10 % | 25% | 1/2 | 75% | 90% sẽ như thế như thế nào ? với giả thuyết này thì chúng ta hồi quy phân vị để nhận biết mức độ của CPI + DC ảnh hưởng lên từng phân vị của LnGDP. như thế làm sao ?

Hồi quy phân vị

Kết quả hồi quy với những phân vị trên, ta được:

*

CPI: Ta gồm được được tuy không có ý nghĩa thống kê nhưng hệ số tác động của CPI cầm đổi liên tục, nếu hệ số phân vị một nửa thì ngược lại, nó tất cả tác động dương đến LnGDPhường. Và đặc biệt ở phân vị 90% thì biến CPI có ý nghĩa thống kê, tức là biến CPI bao gồm tác động dương lên biến phụ thuộc.

DC: Có ý nghĩa thống kê cho 5 phân vị, đồng thời chỉ khác biệt về hệ số tác động.

Xem thêm: What Is The Difference Between " Steamed Milk Là Gì, Hãy, Steamed Milk Là Gì

Kiểm định phương không nên sai số cố gắng đổi

ta có được phương không nên không nên số Khi phân vị là 10% là cố định còn lại những phân vị không giống là phương không nên phần dư nỗ lực đổi

Machado-Santos Silva demo for heteroskedasticityHo: Constant varianceVariables: Fitted values of LnGDPhường. and its squares

chi2(2) = 4.996Prob > chi2 = 0.082

Đồ thị phân vị

*

CPI: Qua đồ thị họ dễ dàng thấy được rằng, Khi phân vị càng thấp thì CPI tác động lên LnGDP. càng ít, nhưng Khi phân vị là 20% thì CPI có tác động dương với biến phụ thuộc, đồng thời lúc tăng phân vị lên thì CPI cũng tăng dần mức độ ảnh hưởng lên LnGDP

DC: khi phân vị tăng dần cho đến 30% thì DC gồm tác động cùng chiều với biến phụ thuộc, nhưng Lúc phân vị tăng hơn 30% thì DC tất cả tác động ngược chiều với LnGDP.

Ứng dụng hồi quy phân vị

Theo Hao & Naiman (2007), hồi quy phân vị đặc biệt phù hợp với việc nghiên cứu chênh lệch tiền lương9, vì chưng những lý do như sau:

Một, vào nội dung nghiên cứu về chênh lệch tiền lương, quanh đó yêu thương cầu so với chênh lệch tiền lương trung bình, những nhà nghiên cứu còn cần để ý so với chênh lệch tiền lương vừa phải ở nhóm tiền lương thấp, đội tiền lương cao cùng các nhóm khác từ thấp đến cao. Do đó, có thể vận dụng hồi quy phân vị ứng với những phân vị không giống nhau để mang đến thấy mức độ chênh lệch theo từng team tiền lương.

Hai là, hàm phân phối của biến tiền lương thường là hàm phân phối bất cân xứng, tất cả dạng phân phối nặng đuôi (heavy – tailed), là điển hình của mẫu số liệu bị hiện tượng phương không nên cầm đổi. Phương pháp hồi quy quantile regression phân vị ham mê hợp với các mẫu số liệu tất cả hiện diện hiện tượng phương sai nạm đổi vày phương pháp này không những đến thấy tác động theo vị trí Hơn nữa so sánh tác động theo đồ sộ của hàm phân phối.

Ba là, phương pháp hồi quy phân vị tất cả thể thực hiện tại một mức phân vị bấtkỳ t Î(0,1) Vì vậy, nếu bao gồm một nghiên cứu tởm tế hay một lý thuyết ghê tế làm sao đócông bố báo cáo về bất bình đẳng tại một phân vị cụ thể nào đó, thì bên nghiên cứu

gồm thể thực hiện hồi quy tại phân vị tương ứng để đối chiếu. Ví dụ, trong nghiên cứu về tình trạng đói nghèo tại Việt Nam mang lại thấy tỷ lệ hộ nghèo ở Việt Nam năm 2010 là 9,45% (theo Tổng cục Thống kê), Khi thực hiện hồi quy phân vị gồm thể tiến hành hồi quy theo phân vị tương ứng với tỷ lệ này để gồm những kết luận phù hợp. Đây là điều không thể thực hiện được nếu dùng OLS.

Bốn là, phương pháp hồi quy phân vị về tiền lương gồm thể được thực hiện đối với nhiều phân vị (cách nhau 5% hoặc 1%). Do đó, gồm thể thấy được tác động của các yếu tố đến tiền lương ở từng phân vị khác nhau sẽ không giống nhau như thế như thế nào. Ứng với mỗi team phân vị khác biệt gồm thể gồm những yếu tố tác động không giống nhau. Từ đó, bên nghiêu cứu gồm thể đề xuất các chính sách, các giải pháp mang đến phù hợp.

Xem thêm: Mycobacteria Là Gì - Cơ Chế Gây Bệnh Của Vi Khuẩn Lao

Năm là, các nghiên cứu về chênh lệch tiền lương, chênh lệch thu nhập, chênh lệch mức sống cũng như các nghiên cứu về tình trạng bất bình đẳng vào làng hội thường ít dựa trên các quy mô nhưng dựa trên những chỉ tiêu đo lường sự bất bình đẳng như đường cong Lorenz, hệ số Gini, chỉ số Theil… Với những ưu điểm nêu trên, hồi quy quantile regression phân vị được bổ sung vào kho công cụ để nghiên cứu sự bất bình đẳng như là một công cụ nghiên cứu thuận tiện cùng hiệu quả.


Chuyên mục: Hỏi Đáp