2012年分位数回归与局部线性回归稳健性比较：以中国通胀与进出口为例

本文主要探讨了分位数回归与局部线性回归两种统计估计方法在研究经济领域中的应用和稳健性比较。首先，文章介绍了分位数回归的基本理论，这是一种半参数回归模型，它关注的是因变量在不同分位数下的线性关系，特别强调了对极端值数据的考虑，使得回归结果更能反映整体数据的特性。分位数回归因其稳健性在众多领域，包括经济、金融、医学和教育等得到广泛应用。 另一方面，局部线性回归是一种非参数回归技术，它通过在数据点附近构建一个线性模型来估计关系，这种方法对异常值的敏感度较低。然而，尽管局部线性回归在某些情况下表现良好，但它的稳健性与分位数回归相比可能稍逊一筹。 作者以2008年至2011年间的中国通货膨胀和海关进出口总额的数据为例，通过建立模型对比分析了两种方法的效果。研究结果显示，分位数回归在处理这类数据时显示出更强的稳健性，特别是在研究可能存在极端值或不均匀分布的经济关系时，分位数回归模型显得更为适宜。 关键词包括“分位数回归”、“局部线性回归”、“通货膨胀”、“海关进出口总额”以及“稳健性”，这些都是理解论文核心内容的关键术语。文章的中图分类号为0212，说明该研究落在统计学的范畴内，文献标志码为A，表明其学术价值。 本文通过对分位数回归和局部线性回归在实际经济问题中的应用实例，论证了分位数回归在稳健性上的优势，这对于选择合适的统计模型进行经济数据分析具有重要意义。通过阅读这篇文章，读者可以了解到如何根据数据特性选择更有效的回归模型，并理解稳健性在经济预测和政策分析中的重要性。