天才一秒记住【畅想小说网】地址：http://www.cxtra.net
在第二个研究方向中，从实证方法方面又可分为以下三种：一是对标准明瑟收益方程中教育收益率进行时间序列估计，将其变化程度作为投资风险的计量水平。
例如哈特戈（Hartog，1993）等人对新西兰教育投资收益的时序考察，沃克和伍利（;Woolley，2002）对28个国家的国别比较研究，哈默和奥斯特贝克（Harmon&Oosterbeek，1999）利用元分析（MetaAnalysis）对以前的96个教育投资收益研究的比较，都是近年来有代表性的研究。
二是对个体间教育投资收益率差别的研究。
哈默、霍根及沃克（Harmon，Hogan&Walker，2001）拓展了标准的人力资本收益函数，包括了学校教育收益率的分散程度。
他们认为教育收益率是因人而异的，并把它作为一个随机系数。
三是对分位数回归技术的应用。
“分位数回归”
又称“分量回归”
（QuantileRegression，QR），由科恩克和巴萨特（Koenker&Bassett，1978）提出。
在收入分布的平均数回归估计中，回归系数被假定在整个收入的条件分布中是不变的，从而限制了对收入分布中一些重要特征的考察。
分位数回归与平均数回归估计相比，具有两个优点：其一是约束条件减少，因为它允许参数β在因变量的条件分布中的不同分布点变动，因此可以对回归关系进行更详细的特征描述；其二是分位数回归对特异值更具包容度，这是因为分位数回归中残差的最小化不是如在最小二乘中的平方值，特异值并不特别得到强化。
如果回归中的残差项不呈正态分布，分位数回归比平均数回归更具有效率（Busky，1998）。
因此，分位数回归估计方法现已成为描述样本分布整体情况的有力工具。
赵宏斌（2004）和马晓强、丁小浩（2005）也都采用这种方法计量教育风险。
下面就重点介绍分位数回归估计法。
传统的“普通最小二乘估计法”
（OrdiSquareEstimation，OLS）是估计自变量对因变量的条件平均数的效果，其假设是不同分布点上自变量的效果是相同的。
而分位数回归则是一种更一般化的估计方法，其目的是观察分布中不同分位点上自变量的不同作用。
分位数回归中，参数估计一般采用“加权最小一乘”
（WeightedLeastAbsolute，WLA）准则，其表达式为：
式中，yi为因变量；xi为自变量；θ为估计中所取的各分位点值；βθ为各分位点估计系数值。
其基本含义是在回归线上方的点（残差为正），其权重为θ；在回归线下方的点（残差为负），其权重为（1-θ）。
当θ=0.5时，即为“中位数回归”
（MedianRegression）。
估计的参数值βθ将随θ值的变化而变化。
就收入分布而言，在均数回归估计中，回归系数被假定在整个收入的条件分布中是不变的，从而限制了对收入分布中一些重要特征的考察（Busky，1994）。
如果研究的是教育投资收益率的变动情况，普通最小二乘估计（OLS）只能得出教育投资收益率的条件均数回归值，要想考察整个收入分布中不同收入点上教育投资收益率的差异，传统的分析思路是将样本再划分为数个小样本分别进行估计，但这种截断方法实际上是在特征近似的小团体内部自行比较，必然导致样本的选择性偏差。
而分位数回归模型在回归中将使用到所有的观察值，这对全面考察教育投资收益率的变动情况十分合适。
采用明瑟收益方程，进行分位数回归的方法为：
式中，ωi为收入；xi是自变量；βθ是参数；μθi为随机扰动项；0
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！