20、广义帕累托分布参数估计与分箱数据收入分配估计

广义帕累托分布参数估计与分箱数据收入分配估计

广义帕累托分布（GPD）参数新估计方法

在峰值超过阈值（POT）框架下，提出了一种新的广义帕累托分布（GPD）参数估计方法。该方法依赖于Park和Kim（2016）的加权非线性最小二乘法（WNLS）以及Zhao等人（2019）的加权非线性对数似然最小二乘法（WNLLSM）。模拟研究结果表明，所提出的估计器的性能与其他现有的GPD参数估计方法相比具有很强的竞争力，在实际数据应用中也取得了令人满意的结果。

R代码实现

以下是用于计算新冠19数据新估计器的R代码：

library(readxl) 
covid <- read_excel("COvid data.xlsx") 
View(covid) 
x<-covid[,5] 
mrlplot(x) ##mean excess plot 
tcplot(x, u.range = c(0, 2000)) ##parameter plot 
loc<-1300 
pp<-length(x[x<loc])/length(x) 
xx<-x[x>loc] 
x<-xx 
library(eva) 
threshes<-c(1300,1400,1500,1600) 
good<-gpdSeqTests(xx, thresholds = threshes, method = "ad")###goodness of fit 
good<-cbind(good[[2]],good[[4]],good[[8]],good[[9]]) 
colnames(good)&l