面板数据的贝叶斯Lasso分位回归方法
外文标题：Bayesian Lasso Quantile Regression for Panel Data Models
文献类型：期刊
作者：李翰芳[1]
机构：湖北工业大学理学院;湖北工业大学理学院;中国人民大学统计学院
年：2013
期刊名称：数量经济技术经济研究
卷：30
期：2
页码范围：138-149
增刊：增刊
收录情况：中文核心期刊要目总览
所属部门：统计学院
语言：中文
人气指数：1
浏览次数：1
关键词：面板数据;贝叶斯Lasso;分位回归;切片Gibbs抽样
摘要：本文讨论了含有随机效应的面板数据模型,通过引入条件Laplace先验,构造了一种新的贝叶斯Lasso分位回归法。与一般贝叶斯分位回归法不同,该方法能够更大程度地将模型中非重要的解释变量系数压缩至0,从而在估计系数的同时也起到变量选择的作用。利用积分恒等式,本文构造了一种易于实施的参数估计切片Gibbs抽样算法。模拟结果显示,模型含有较多变量时,新方法排除"噪声"变量的能力明显高于现有文献中的其他方法。本文最后对我国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。
作者其他论文
基于分位回归的国家形象影响因素分析.李泽昱;苏宇楠;田茂再.统计研究.2014,31(8),59-65.
负二项抽样下需处理数置信区间构造方法的改进.舒焕;封达道;田茂再.系统科学与数学.2012,32(9),1047-1056.
逆抽样下流行病发病率的逼近与渐近置信区间.田茂再;吴喜之;李远,等.系统科学与数学.2008,28(5),513-523.
条件分位中的分层线性回归模型.田茂再;陈歌迈.中国科学A辑.2006,36(10),1103-1118.
关于纵向数据分析方法的比较研究.陈彦靓;田茂再.统计与决策.2013,23-26.
