面板数据分位回归模型中固定与随机效应的选择 |
| |
作者姓名: | 罗幼喜 李翰芳 田茂再 |
| |
作者单位: | 1. 湖北工业大学理学院,武汉430068;湖北工业大学产品质量工程研究院,武汉430068;2. 湖北工业大学理学院,武汉430068;华中师范大学数学与统计学学院,武汉430079;3. 中国人民大学统计学院,北京,100872 |
| |
基金项目: | 国家自然科学基金资助项目,教育部人文社科青年基金资助项目,湖北省教育厅人文社科项目,湖北工业大学博士科研启动基金 |
| |
摘 要: | 随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差.文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩.通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法.通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题.计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择.
|
关 键 词: | 随机效应 贝叶斯双惩罚方法 Laplace先验 Group Lasso 切片Gibbs抽样算法 |
本文献已被 万方数据 等数据库收录! |
|