住宅租金的灵活贝叶斯分位数分析

本文发展了一种用于面板数据的随机效应分位数回归模型，在均值回归可能不适用的情况下，该模型允许更强的分布灵活性、多元异质性以及时不变协变量。我们的方法采用贝叶斯框架，并基于广义非对称拉普拉斯分布，将偏度建模与分位数参数解耦。我们推导了一种高效的基于模拟的估计算法，在针对性模拟研究中展示了其性质与表现，并将其用于边际似然的计算以实现正式的贝叶斯模型比较。该方法被应用于一项关于全球金融危机后美国住宅租金的研究。我们的实证结果就租金与经济、人口及政策变量之间的相互作用提供了有趣的见解，对关键建模特征进行了权衡，并在几乎所有分位数及多个子样本上强烈支持额外的灵活性。由于允许灵活建模而产生的实际差异可能并非微不足道，尤其是对于远离中位数的分位数。