面板数据的自适应Lasso分位回归方法研究
外文标题：A Study on the Adaptive Lasso Quantile Regression Method for Panel Data
文献类型：期刊
作者：李子强[1]
机构：[1]湖北工业大学理学院
[2]中国人民大学应用统计研究中心
[3]中国人民大学统计学院
年：2014
期刊名称：统计与信息论坛
卷：29
期：20147
页码范围：3-10
增刊：正刊
收录情况：CSSCI(61C1262014070001)
所属部门：统计学院
语言：中文
链接地址：http://d.g.wanfangdata.com.cn/Periodical_tjyxxlt201407001.aspx
DOI：10.3969/j.issn.1007-3116.2014.07.001
人气指数：1
浏览次数：1
基金：【基金项目】国家自然科学基金项目《基于当代分位回归与鞍点逼近方法的复杂数据分析》（11271368）；教育部人文社会科学青年基金项目《面板数据的分位回归方法及其变量选择问题研究》（10XNL018）；湖北省教育厅人文社科项目《面板数据的分位回归方法及其应用研究》（2012G078）；湖北工业大学博士科研启动基金《高维复杂纵向数据的分位回归建模研究》（BSQD13050）。
关键词：面板数据#自适应Lasso#分位回归#切片Gibbs抽样 panel data#adaptive Lasso#quantile regression#slice Gibbs sampler
摘要：如何在对参数进行估计的同时自动选择重要解释变量，一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型，在假定固定效应系数先验服从一种新的条件Laplace分布的基础上，给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同，所构造的先验信息具有自适应性的特点，能够准确地对模型中重要解释变量进行自动选取，且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示，新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中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.
