面板数据分位回归模型中固定与随机效应的选择
发布时间：2018-12-14 11:11
【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。
[Abstract]:The introduction of random effect provides an important way to solve the problem of sample correlation and heteroscedasticity in panel data modeling. Too many random effects not only greatly increase the complexity of the model, but also bring deviation to the estimation of fixed effect coefficients. On the basis of considering the integrity of the random effect, this paper compresses the random effect in the unit of cross section individuals. By introducing different forms of conditional Laplace priori for fixed and random effects, a Bayesian double penalty quantile regression method is constructed, which is equal to Group Lasso-Lasso penalty. By designing sliced Gibbs sampling algorithm, the problem of model parameter estimation is solved quickly and effectively. Computer simulation shows that this method can not only accurately estimate the parameters of fixed and random effects, but also can automatically select the fixed and random effects contained in the model.
【作者单位】： 湖北工业大学理学院;湖北工业大学产品质量工程研究院;华中师范大学数学与统计学学院;中国人民大学统计学院;
【基金】：国家自然科学基金资助项目(11271368) 教育部人文社科青年基金资助项目(10XNL018) 湖北省教育厅人文社科项目(2012G078) 湖北工业大学博士科研启动基金项目(BSQD13050)
【分类号】：F224.7
本文编号：2378515
[Abstract]:The introduction of random effect provides an important way to solve the problem of sample correlation and heteroscedasticity in panel data modeling. Too many random effects not only greatly increase the complexity of the model, but also bring deviation to the estimation of fixed effect coefficients. On the basis of considering the integrity of the random effect, this paper compresses the random effect in the unit of cross section individuals. By introducing different forms of conditional Laplace priori for fixed and random effects, a Bayesian double penalty quantile regression method is constructed, which is equal to Group Lasso-Lasso penalty. By designing sliced Gibbs sampling algorithm, the problem of model parameter estimation is solved quickly and effectively. Computer simulation shows that this method can not only accurately estimate the parameters of fixed and random effects, but also can automatically select the fixed and random effects contained in the model.
【作者单位】： 湖北工业大学理学院;湖北工业大学产品质量工程研究院;华中师范大学数学与统计学学院;中国人民大学统计学院;
【基金】：国家自然科学基金资助项目(11271368) 教育部人文社科青年基金资助项目(10XNL018) 湖北省教育厅人文社科项目(2012G078) 湖北工业大学博士科研启动基金项目(BSQD13050)
【分类号】：F224.7
【相似文献】
相关期刊论文 前4条
1 韩俊林,陈励;随机效应Logistic模型的参数估计[J];数量经济技术经济研究;2005年01期
2 张进峰;;空间面板误差模型随机效应的稳健检验[J];数量经济技术经济研究;2012年10期
3 朱万闯;林俊岐;;基于格点搜索的随机效应的GLS估计[J];统计与信息论坛;2011年05期
4 ;[J];;年期
相关会议论文 前2条
1 钱伟民;王娟;;线性混合效应模型中随机效应密度的非参数估计[A];2003中国现场统计研究会第十一届学术年会论文集（上）[C];2003年
2 张月;刘红云;;多水平中介模型[A];第十二届全国心理学学术大会论文摘要集[C];2009年
相关博士学位论文 前2条
1 赖欣;对随机效应混合治愈模型的一些推广[D];中国科学技术大学;2009年
2 符利勇;非线性混合效应模型及其在林业上应用[D];中国林业科学研究院;2012年
相关硕士学位论文 前5条
1 许双林;频率风险模型的参数估计及预测[D];大连理工大学;2006年
2 严国义;含有随机效应增长曲线模型回归系数阵与协方差阵的估计[D];华中师范大学;2003年
3 朱生春;含右删失数据模型的随机效应存在性问题[D];扬州大学;2009年
4 段君;面板数据混合效应模型的谱分解估计[D];华中师范大学;2008年
5 周布;非参数混合效应模型的正交化估计[D];华东师范大学;2012年
，本文编号：2378515
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/2378515.html
