|
|||||
|
|
| 变量惩罚效应在贝叶斯分位数回归模型的应用 | |
| 引用本文： | 郭俊峰.变量惩罚效应在贝叶斯分位数回归模型的应用[J].统计与决策,2016(19):20-22. |
| 作者姓名： | 郭俊峰 |
| 作者单位： | 厦门大学经济学院,福建厦门,361005 |
| 基金项目： | 国家自然科学基金面上项目(71373219)，国家自然科学基金青年项目(71103150)，中央高校基本科研业务费专项资金资助项目(2013221012) |
| 摘 要： | 尽管贝叶斯分位数回归方法能够有效克服经济金融数据的尖峰厚尾、结构突变等问题,充分借鉴已有研究成果信息,但是其并不能很好解决多维变量模型的维数灾难问题.为此,文章在贝叶斯分位数回归基础上,结合自适应Lasso变量惩罚作用,构建了基于MH抽样的自适应Lasso惩罚贝叶斯分位数回归模型.通过仿真模拟实验以及MCMC链条检验,证明上述模型具有优良拟合性质,尤其是在小样本情形下. |
| 关 键 词： | 维数灾难 自适应Lasso惩罚 贝叶斯 分位数回归 |
| 本文献已被 万方数据 等数据库收录！ | |