-
题名面板数据分位回归中适应性LASSO调节参数的选择
被引量：6
- 1
-
-
作者
王天颖
杨亚琦
田茂再
-
机构
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
兰州商学院统计系
-
出处
《数理统计与管理》
CSSCI
北大核心
2017年第3期429-440,共12页
-
基金
教育部哲学社会科学研究重大课题攻关项目(15JZD015)
教育部高等学校博士学科点专项科研基金(20130004110007)
+4 种基金
教育部人文社会科学重点研究基地重大项目(15JJD910001)
国家自然科学基金(11271368)
北京市社会科学基金重大项目(15ZDA17)
国家社会科学基金重点项目(13AZD064)
中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目成果(15XNL008)
-
文摘
在带有罚函数的变量选择中,调节参数的选择是一个关键性问题,但遗憾的是,在大多数文献中,调节参数选择的方法较为模糊,多凭经验,缺乏系统的理论方法。本文基于含随机效应的面板数据模型,提出分位回归中适应性LASSO调节参数的选择标准惩罚交叉验证准则(PCV),并讨论比较了该准则与其他选择调节参数的准则的效果。通过对不同分位点进行模拟,我们发现当残差ε来自尖峰分布和厚尾分布时,该准则能更好地估计模型参数,尤其对于高分位点和低分位点而言.选取其他分位点时,PCV的效果虽稍逊色于Schwarz信息准则,但明显优于Akaike信息准则和交叉验证准则。且在选择变量的准确性方面,该准则比Schwarz信息准则、Akaike信息准则等更加有效。文章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,展示了惩罚交叉验证准则的性能,得到了在不同分位点处宏观经济指标之间的回归关系。
-
关键词
调节参数选择
分位回归
适应性LASSO
惩罚交叉验证准则
面板数据
-
Keywords
tuning parameter selection, quantile regression, adaptive-lasso, penalized cross validation,penal data
-
分类号
O21
[理学—概率论与数理统计]
O212
[理学—数学]
-
