- 1
- 2
- 3
- . . .
- последняя »
Современное состояние математического и программного обеспечения квантильно-регрессионных моделейЛьвович И.Я., Минакова О.В.Квантильная регрессия широко используемый статистический метод в эконометрике, в финансовых и биомедицинских исследованиях, при изучении окружающей среды и других прикладных областях. В связи с появление новых вычислительных процедур, высокопроизводительных алгоритмов актуальность ее примнения будет только расти.Квантильная регрессия довольно «старинный» статистический метод, упоминание этого термина в математической статистике датируется еще 19 веком. Во многом его «забвение» связано с широкой распространенностью метода наименьших квадратов, и как следствие преобладающие применение линейной регрессии. Ставшее сейчас классическим определение квантильной регрессии было введено Коенкером и Бассетом в 1978, как расширение понятия порядковых квантилей или процентилей в локальных моделях к общему классу линейных моделей в которых условные квантили имели линейную форму.По аналогии с нахождением условного среднего из выборки объема n, которое можно рассматривать как решение задачи минимизации остаточной суммы квадратов: , – выборочное среднее, оцениваемое по этой выборке, то поиск медианы может быть осуществлен как минимизация суммы абсолютных остатков. Если для медианы отрицательные и положительные остатки равны, т.е. симметричны относительное нее, то для квантилей они должны лежать в пропорции к (1-), т.е. асимметрично. Следовательно, отрицательные и положительные остатки имеют различный вес, зависящий от порядка квантили . Так положительные остатки имеют вес , а отрицательные – (-1), и их сумма должна стремиться к нулю.Таким образом, нахождение квантили q заданного порядка можно рассматривать как поиск аргумента минимума специальной целевой функции:,где– контрольная функция, обеспечивающая -баланс наблюдаемых значений и заданная в виде: .Иллюстрация определения этой функции представлена на рисунке.*tg(*)=tg()=-1uu(u)По аналогии с регрессионным анализом можно перейти к определению квантильно-регрессионных функций , каждая из которых представляет собой некоторую регрессию условной квантили . Тогда построение квантильно-регрессионных моделей можно рассматривать как задачу оценки параметров функций и находить решение минимизацией: (1)Решение представленной минимизационной проблемы, когда– линейная функция с неизвестными параметрами, эффективно осуществляется методами линейного программирования. В частности, линейная квантильно-регрессионная модель (Buchinsky? 1998) задаетсяили ,где – неизвестный вектор регрессионных параметров, оценивается как решение минимизационной задачи: – неизвестный вектор ошибок, так что условная квантиль порядка от его значений равна нулю.На практике широкое распространение получило оценивание квантильной регрессии методом максимального правдоподобия. Но для его использования необходимо, чтобы априорно была известная функция распределения, поэтому первый подход к построению квантильно-регрессионных моделей базируется на выборе подходящего теоретического распределения и комбинирование подбора
- 1
- 2
- 3
- . . .
- последняя »
Похожие работы
Интересная статья: Основы написания курсовой работы