陶丽¹，张元杰¹，田茂再^1,2,3

1. 中国人民大学应用统计科学研究中心, 中国人民大学统计学院,北京 100972;2. 兰州财经大学统计学院,兰州 730020; 3. 新疆财经大学统计与信息学院,乌鲁木齐 830012

出版日期:2017-02-25发布日期:2017-04-01

Adaptive Penalty Quantile Regression for Panel Data

TAO Li¹ ,ZHANG Yuanjie ¹ ,TIAN Maozai ^1,2,3

1. Center for Applied Statistics, School of Statistics, Renmin University of China, Beijing 100972; 2. School of Statistics, Lanzhou University of Finance and Economics, Lanzhou 730020; 3. School of Statistics and Information, Xinjiang University of Finance and Economics, Urumchi 830012

Online:2017-02-25Published:2017-04-01







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

传统的面板数据是从均值角度进行研究,但这会受经典假设条件的约束.而考虑面板数据的分位回归模型,可以更加全面地描述响应变量条件分布的全貌.文章引入自适应惩罚函数构造了自适应惩罚的分位回归面板数据方法,并证明所提出的估计量具有大样本性质.蒙特卡洛模拟结果显示该方法相对于均值回归更具优势,是处理面板数据的有效手段.文章最后对我国居民交通通讯消费进行案例分析,得到了有利于决策的参考信息.

MR(2010)主题分类:
62G05
62G08
62G20
分享此文:

()

[1]	王芝皓，田茂再，侯震梅. 基于偏最小二乘路径模型的分位效应测度[J]. 系统科学与数学, 2020, 40(4): 738-750.
[2]	杨雪梅，王小英，孙志华. 部分线性分位回归模型估计的MM算法[J]. 系统科学与数学, 2019, 39(3): 459-469.
[3]	陶丽，张元杰，田茂再. 动态面板数据的自适应惩罚分位回归方法研究[J]. 系统科学与数学, 2017, 37(11): 2245-2259.
[4]	晏振，田茂再. 删失线性分位回归模型的 MCEM 估计及应用[J]. 系统科学与数学, 2016, 36(2): 145-.
[5]	熊巍，田茂再. 刻度函数的稳健估计方法[J]. 系统科学与数学, 2014, 34(6): 703-717.
[6]	龚日朝;邹捷中. 复合二项风险模型下Gerber-Shiu折现惩罚函数的渐近解[J]. 系统科学与数学, 2007, 27(4): 573-586.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13088