1) quantile regression
分位回归
1.
The Quantile Regression Analysis on the Price-Volume Relationship of Shanghai Stock Exchange;
上海证券交易市场量价关系的分位回归分析
2.
With the data from western listed company in China and the quantile regression model,relevant factors that impact the capital structure are analyzed.
利用我国西部上市公司的数据,运用分位回归模型研究资本结构的各类影响因素,与OLS回归结果相对照,可以发现公司规模、股本结构、资产担保价值、非债务税盾和收益性等因素对处于资本结构不同分位的公司的非对称性影响,从而丰富了对资本结构影响因素的理解。
3.
Our empirical results from a quantile regression analysis of data from Shanghai Stock Exchange show that there exist significant price-volume relations between return-rate and volume and between absolute return-rate and volume.
而采用分位回归方法对沪市价量关系进行研究的结果表明,沪市收益率及收益率绝对量和交易量之间存在显著的价量关系。
2) quantile regression
分位数回归
1.
Habitat environment integration index of Thunnus obesus in the high seas of the Central Atlantic Ocean based on the quantile regression;
基于分位数回归的大西洋中部公海大眼金枪鱼栖息环境综合指数
2.
A Quantile Regression Analysis on Chinese Resident s Consumption;
基于分位数回归的中国居民消费研究
3.
Foreign Direct Investment and Technological Spillovers: A Quantile Regression Approach;
外商直接投资与技术外溢效应——基于分位数回归法
3) regression quantiles
回归分位数
1.
The strong consistency of estimation of regression quantiles in linear regression models is proved when the sample is a strong φ mixing sequence.
在误差为平稳强φ混合随机序列的条件下，证明了线性模型中的回归分位数的估计的强相合
4) regression quantile
回归分位点
1.
This paper presents the large properties of ‘regression quantiles in linear models, establishing the strong consistency and asymptotic normality in similar form,modifying and extending the results about minimum l 1- norm estimates in linear models obtained by Chen,X.
论证了线性模型中回归分位点估计量的强相合性及渐近正态性等大样本性质 ,这些结果推广了陈希孺等 ( 1 990 ,1 992 )的有关定理 ,改进了Koenker与Basstee( 1 978) ,Gutenburnner与Jurec∨kova( 1 992 ) ,以及Jurec∨kovo与Prochazka( 1 994)等人的有关成果。
2.
Regression quantiles are robust against the influence of outliers and, taken several at a time, they give a more complete picture of the conditional distribution than a single estimate of the center, and they are more efficient than the least square .
回归分位点是一类基本的稳健估计，它们受数据中异常点的影响较小，并能给条件分布以更加全面的统计描述；当误差项服从重尾分布或其分布受到污染时，它们比LS估计的有效性更高。
5) Quantile regression
分位回归法
1.
Factor Analysis on the Income Level of Off-Farm Workers Based on Quantile Regression
基于分位回归法的农民工收入影响因素分析
6) quantile regression model
分位数回归模型
1.
Test of Fisher Effect in China based on Quantile Regression Model
基于分位数回归模型的我国“费雪效应”检验
补充资料：“四分位法”测算工资指导线水平
%26ldquo;四分位法%26rdquo;测算工资指导线水平，是运用统计学的原理，依据%26ldquo;两低于%26rdquo;原则，在测算出的年度工资最低增长率（Wi）和最 高增长率（Wj：%26ldquo;两低于%26rdquo;中的低线）之间选取工资合理增长区间的一种方法。一般取中位值（W中）作为工资指导线的基准线，取Wj或上四分位值（W上）作 为上线，取下四分位值（W下）与上四分位值之间的幅度作为工资合理增长区间。
测算公式为：
W中=（Wj%26ndash;Wi）ⅹ0．5+Wi
W下=（Wj%26ndash;Wi）ⅹ0．25+Wi
W上=（Wj%26ndash;Wi）ⅹ0．75+Wi（其中：i=1，2j=3，4，5，6）
W1=P%26ndash;1
W2=[Aⅹ（1+W1）ⅹR]/T%26ndash;1
W3=（1+L）ⅹP%26ndash;1
W4=[Aⅹ（1+W3）ⅹR]/T%26ndash;1
W5=（1+G）ⅹP%26ndash;1
W6=Tⅹ（1+W5）/R/A%26ndash;1
当年度城镇居民消费价格指数或经济增长率较高时，要对年度工资最低、最高增长率用系数（%26alpha;、%26beta;、%26gamma;）进行调整。
调整公式是：
W1=Pⅹ%26beta;+%26gamma;
W3=Lⅹ%26alpha;+Pⅹ%26beta;+%26gamma;
W5=Gⅹ%26alpha;+Pⅹ%26beta;+%26gamma;
其中：
W1：年度职工货币平均工资最低增长率
W2：年度职工工资总额最低增长率
W3：按L计算的年度职工货币平均工资最高增长率
W4：按L计算的年度职工工资总额最高增长率
W5：按G计算的年度职工工资总额最高增长率
W6：按G计算的年度职工货币平均工资最高增长率
P：年度城镇居民消费价格指数
A：上一年职工货币平均工资
R：年度职工平均人数
L：年度劳动生产率增长率
G：年度国内生产总值增长率
T：上一年职工工资总额
%26alpha;根据年度劳动生产率增长率或年度国内生产总值增长率的不同水平，分段确定：
┏━━━━━━━━━━━━━━━━━━━━━━┯━━━━━━━━━━┓
┃年度劳动生产率增长率L或国内生产总值增长率│%26alpha;┃
┠──────────────────────┼──────────┨
┃0%26lt;L%26le;10%│1．0┃
┠──────────────────────┼──────────┨
┃8%%26lt;P%26le;15%│0．8┃
┠──────────────────────┼──────────┨
┃15%%26lt;P%26le;20%│0．6┃
┠──────────────────────┼──────────┨
┃L%26gt;20%│0．4┃
┗━━━━━━━━━━━━━━━━━━━━━━┷━━━━━━━━━━┛
%26beta;根据年度城镇居民消费价格增长率不同分段确定：
┏━━━━━━━━━━━━━━━━━━━━━━┯━━━━━━━━━━┓
┃年度城镇居民消费价格增长率P│%26beta;┃
┠──────────────────────┼──────────┨
┃0%26lt;P%26le;8%│1┃
┠──────────────────────┼──────────┨
┃8%%26lt;P%26le;15%│0．8┃
┠──────────────────────┼──────────┨
┃15%%26lt;P%26le;20%│0．6┃
┠──────────────────────┼──────────┨
┃P%26gt;20%│0．6┃
┗━━━━━━━━━━━━━━━━━━━━━━┷━━━━━━━━━━┛
测算公式为：
W中=（Wj%26ndash;Wi）ⅹ0．5+Wi
W下=（Wj%26ndash;Wi）ⅹ0．25+Wi
W上=（Wj%26ndash;Wi）ⅹ0．75+Wi（其中：i=1，2j=3，4，5，6）
W1=P%26ndash;1
W2=[Aⅹ（1+W1）ⅹR]/T%26ndash;1
W3=（1+L）ⅹP%26ndash;1
W4=[Aⅹ（1+W3）ⅹR]/T%26ndash;1
W5=（1+G）ⅹP%26ndash;1
W6=Tⅹ（1+W5）/R/A%26ndash;1
当年度城镇居民消费价格指数或经济增长率较高时，要对年度工资最低、最高增长率用系数（%26alpha;、%26beta;、%26gamma;）进行调整。
调整公式是：
W1=Pⅹ%26beta;+%26gamma;
W3=Lⅹ%26alpha;+Pⅹ%26beta;+%26gamma;
W5=Gⅹ%26alpha;+Pⅹ%26beta;+%26gamma;
其中：
W1：年度职工货币平均工资最低增长率
W2：年度职工工资总额最低增长率
W3：按L计算的年度职工货币平均工资最高增长率
W4：按L计算的年度职工工资总额最高增长率
W5：按G计算的年度职工工资总额最高增长率
W6：按G计算的年度职工货币平均工资最高增长率
P：年度城镇居民消费价格指数
A：上一年职工货币平均工资
R：年度职工平均人数
L：年度劳动生产率增长率
G：年度国内生产总值增长率
T：上一年职工工资总额
%26alpha;根据年度劳动生产率增长率或年度国内生产总值增长率的不同水平，分段确定：
┏━━━━━━━━━━━━━━━━━━━━━━┯━━━━━━━━━━┓
┃年度劳动生产率增长率L或国内生产总值增长率│%26alpha;┃
┠──────────────────────┼──────────┨
┃0%26lt;L%26le;10%│1．0┃
┠──────────────────────┼──────────┨
┃8%%26lt;P%26le;15%│0．8┃
┠──────────────────────┼──────────┨
┃15%%26lt;P%26le;20%│0．6┃
┠──────────────────────┼──────────┨
┃L%26gt;20%│0．4┃
┗━━━━━━━━━━━━━━━━━━━━━━┷━━━━━━━━━━┛
%26beta;根据年度城镇居民消费价格增长率不同分段确定：
┏━━━━━━━━━━━━━━━━━━━━━━┯━━━━━━━━━━┓
┃年度城镇居民消费价格增长率P│%26beta;┃
┠──────────────────────┼──────────┨
┃0%26lt;P%26le;8%│1┃
┠──────────────────────┼──────────┨
┃8%%26lt;P%26le;15%│0．8┃
┠──────────────────────┼──────────┨
┃15%%26lt;P%26le;20%│0．6┃
┠──────────────────────┼──────────┨
┃P%26gt;20%│0．6┃
┗━━━━━━━━━━━━━━━━━━━━━━┷━━━━━━━━━━┛
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条