多水平模型的变量选择在农户人均收入数据中的应用

发布时间：2019-08-17 15:41

【摘要】：社会是一个具有分层结构的整体,因此具有层次结构特征的数据在社会研究中广泛存在,为了更加准确的处理此类数据,多水平模型作为一种新的统计模型应运而生。多水平模型不仅能够同时处理不同层次,跨层次变量之间的关系,而且能够探讨各层次单位特征对被解释变量的影响,对不同水平之间的误差项进行综合考虑,进而对各个水平上的差异进行估计。混合线性模型是一种既包含固定效应(FE)又包含随机效应(RE)的重要统计模型,由于它只保留了一般线性模型被解释变量正态性的假定,不需要独立性以及齐方差性的假定,并允许各解释变量间存在相关性和异方差性,所以在层次结构数据、重复观测数据等许多实际数据中特别适用。多水平模型可以看作是一类特殊的混合线性模型,当将多水平模型的各个层次汇总成一个总模型后,多水平模型就具有了混合线性模型的形式及特征。在处理实际问题时,我们首先需要解决的就是模型选择问题,而变量选择作为模型选择的一种重要手段,是统计分析与推断中的重要内容。变量选择问题的研究由来已久,随着统计理论方法和计算机技术的不断发展、进步和完善,变量选择的方法逐渐增加并已有较多成熟的变量选择准则。但是大多数变量选择方法的研究都是基于传统的线性模型,对混合线性模型尤其是多水平模型变量选择问题的研究比较少,亦或在混合线性模型的变量选择上不能同时进行固定效应和随机效应的变量选择,而且无论固定效应部分还是随机效应部分的结构发生变化,都会使得另一部分的变量选择结果出现较大差异。本文根据混合线性模型的特点,将多水平模型改写成混合线性模型形式,然后对混合线性模型运用改进的基斯分解(Cholesky decomposition)方法进行分解,基于在似然函数中增加罚函数项的Lasso(Least absolute shrinkage and selection operator)方法,对多水平模型同时进行变量选择和参数估计。最后将该方法应用于红河州农户数据中,对农户人均收入进行实证分析,从而使多水平模型的理论及应用更加完善、全面。
【图文】：

图 4.1 不同的个体人均收入随时间变化的散点图首先为了检验此 4 年连续观测数据是否具有层次结构特征，我们需要建立模型(2.1.1)-(2.1.3)对数据进行检验，此模型的两个水平都没有解释变量，模

图 4.1 不同的个体人均收入随时间变化的散点图首先为了检验此 4 年连续观测数据是否具有层次结构特征，，我们需要建立模型(2.1.1)-(2.1.3)对数据进行检验，此模型的两个水平都没有解释变量，模
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F323.8

【相似文献】

相关期刊论文 前10条

1 高仁祥,张世英,刘豹;基于神经网络的变量选择方法[J];系统工程学报;1998年02期

2 杨璐,高自友;用神经网络进行变量选择[J];北方交通大学学报;1999年03期

3 赵进文;模型构建中变量选择的影响分析[J];东北财经大学学报;2002年06期

4 李扬;朱建锋;谢邦昌;;变量选择方法及其在健康食品市场研究中的应用探究[J];统计与信息论坛;2013年10期

5 周伟,王建军,李继锐;基于人工神经网络的影响高速公路社会效益量化的变量选择方法[J];西安公路交通大学学报;2000年03期

6 齐晓丽;梁慧超;冯彦妍;;回归模型构建中变量选择的研究[J];河北工业大学学报;2009年06期

7 邓金兰;王彬寰;樊仕利;;变系数模型的变量选择及在股票数据中的应用[J];四川大学学报(自然科学版);2009年06期

8 胡心瀚;叶五一;缪柏其;;上市公司信用风险分析模型中的变量选择[J];数理统计与管理;2012年06期

9 杨金英;;变系数模型的快速变量选择方法[J];统计与决策;2012年05期

10 汪建均;马义中;;结合GLM与因子效应原则的贝叶斯变量选择方法[J];系统工程理论与实践;2013年08期

相关会议论文 前6条

1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

2 李洪东;梁逸曾;;高维数据变量选择新方法研究[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

3 李慷;席裕庚;;复杂过程系统中操作变量选择与定位的方法研究[A];1993年控制理论及其应用年会论文集[C];1993年

4 云永欢;王为婷;梁逸曾;;迭代的保留有信息变量来筛选最佳变量子集的一种多元校正变量选择方法[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

5 徐登;范伟;梁逸曾;;紫外光谱结合变量选择和偏最小二乘回归同时测定水中重金属镉、锌、钴[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

6 梁逸曾;李洪东;许青松;曹东升;张志敏;;灰色化学建模与模型集群分析——兼论过拟合、稳健估计、变量选择与模型评价[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

相关博士学位论文 前10条

1 王大荣;分散度量模型中的变量选择[D];北京工业大学;2009年

2 王明秋;高维数据下若干回归模型的变量选择问题研究[D];大连理工大学;2012年

3 刘吉彩;生存数据统计模型的变量选择方法[D];华东师范大学;2014年

4 樊亚莉;稳健变量选择方法的若干问题研究[D];复旦大学;2013年

5 唐凯临;变量选择和变换的新方法研究[D];同济大学;2008年

6 董莹;高维共线性统计模型的参数估计与变量选择[D];大连理工大学;2014年

7 叶飞;相对误差准则下的估计理论和变量选择方法的研究[D];清华大学;2013年

8 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年

9 王树云;基于Bayes方法和图限制下正规化方法的变量选择问题及其在基因组数据中的应用[D];山东大学;2010年

10 姬永刚;分位数回归中的贝叶斯变量选择[D];东北师范大学;2012年

相关硕士学位论文 前10条

1 赵冬琦;基于变量选择的股指期货对股票市场影响的实证研究[D];兰州大学;2015年

2 程勇;多水平模型的变量选择在农户人均收入数据中的应用[D];云南财经大学;2015年

3 邓秋玲;SCAD和ADS方法在比例风险模型中的应用[D];广西大学;2015年

4 韦新星;几种变量选择方法在Cox模型中的应用[D];广西大学;2015年

5 闫闯;多元回归模型中变量选择问题研究[D];黑龙江大学;2011年

6 康赞亮;计量经济学模型变量选择与设定的理论方法研究[D];清华大学;2009年

7 张丹;乘积模型的变量选择[D];河南大学;2014年

8 郝亚楠;基于L_2-Fused Lasso变量选择方法的性质及应用研究[D];北京交通大学;2014年

9 满敬銮;生存数据模型的变量选择[D];中南大学;2009年

10 高少龙;几种变量选择方法的模拟研究和实证分析[D];山东大学;2014年

本文编号：2527881