基于惩罚加权复合分位数回归的非线性面板模型研究

发布时间：2021-06-10 00:29

　　相对于简单的截面数据模型,面板数据模型有着明显的优势,因此越来越受到经济学、社会学、环境学等各领域的重视.在面板数据模型的整体理论框架中,非线性面板模型有着十分重要的地位,是当前面板数据模型研究的热点和焦点.对于非线性面板模型来说,参数估计更是重中之重,常用的分析方法是极大似然法.极大似然法通常需要对样本模型进行假设,若模型假设错误,则结果将出现误差.分位数回归无需对模型做更多的假设,考虑范围更广,在随机扰动不服从正态分布时,仍可以保证高稳健性.但在对实际问题进行预测时,分位点的选择往往是令人难以抉择的.因此同时考虑多个分位数,并且对于不同分位数回归给予不同的权重会得到更加有效的结果.此外,随着科学技术的飞速发展,可获取的数据信息越来越详细,且具有很高的维度,若直接利用它们来建模,则会使计算成本过高,并且使得预测效果很差.因此,作为建模的一个重要环节,变量选择方法通过选择合适的变量构建一个稳健且含义明确的模型.本文将带惩罚的加权复合分位数回归方法应用于非线性面板数据模型中,通过加权复合分位数回归进行平滑处理,提高由于异方差引起估计效率低的问题,并用惩罚的方法提高模型的解释能力和估计精度... 

【文章来源】：浙江财经大学浙江省

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

论文的技卡始线夙


本文编号：3221638