选择机制下删失数据的分位数回归建模及其在非市场价值评估中的应用

《Journal of Environmental Economics and Policy》：Quantile regression analysis of censored data with selection: an application to non-market valuation data

　　本研究针对观测数据中普遍存在的删失、非随机选择和异方差性问题，提出基于分位数回归（QR）的建模框架。通过理论论证、蒙特卡洛实验和法国洪水风险条件价值评估案例，验证了选择-删失模型在解决数据复杂性方面的优势，并开发出计算效率提升百倍的新型估计算法，为非市场价值评估提供了更全面的异质性分析工具。

　　

面对观测数据中常见的删失（censoring）、非随机选择（non-random selection）和异方差性（heteroskedasticity）三大难题，研究人员探索了分位数回归（Quantile Regression, QR）方法的独特优势。通过理论分析揭示了QR处理这些复杂问题的内在机制，并采用蒙特卡洛（Monte Carlo）实验对比了包含选择机制的删失分位数回归（Censored QR, CQR）模型与传统方法的性能。值得一提的是，团队创新性地提出了CQR选择模型的替代估计算法，将计算时间缩短至原方法的1/100。在法国洪水风险条件价值评估（contingent valuation）的实际应用中，研究发现选择-删失模型能有效同步解决多类数据问题，而CQR模型虽能更精细刻画系数异质性，但其计算复杂度与性能提升的性价比仍需审慎评估。