典型文献
面板数据模型的惩罚复合分位回归方法
文献摘要：
针对含个体效应的面板数据模型,文章提出了一种带Adaptive Lasso惩罚的复合分位回归方法来估计回归系数.通过对模型两边左乘一个合适的幂等矩阵有效地消除了个体效应的影响,并使用MM算法迭代求解未知参数,用SIC准则对惩罚参数进行选取.同时,利用蒙特卡洛方法模拟了在不同误差和不同稀疏模.型下回归系数的估计和选择情况,并与最小二乘回归、中位回归、复合分位回归估计结果进行对比,最后用实例数据进行验证.结果表明:带Adaptive Lasso惩罚的复合分位回归方法能够对回归系数进行精确估计,且其在稀疏模型上相比稠密模型具有更好的表现.在变量选择问题上,带Adaptive Lasso惩罚的复合分位回归方法能够很好地排除无关解释变量的影响.
文献关键词：
面板数据;Adaptive Lasso惩罚;复合分位回归
中图分类号：
作者姓名：
朱利荣;胡超竹;罗幼喜
作者机构：
湖北工业大学理学院,武汉430068
文献出处：
引用格式：
[1]朱利荣;胡超竹;罗幼喜-.面板数据模型的惩罚复合分位回归方法)[J].统计与决策,2022(13):40-45
A类：
复合分位回归
B类：
面板数据模型,个体效应,Adaptive,Lasso,回归系数,两边,幂等矩阵,MM,迭代求解,未知参数,SIC,惩罚参数,蒙特卡洛方法,下回,最小二乘回归,回归估计,精确估计,稀疏模型,稠密,变量选择
AB值：
0.294951
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
