非连续型高维阈值回归理论:稀疏建模与推断

发布时间：2018-04-17 18:59

  本文选题：高维阈值模型 + 稀疏特征　； 参考：《统计研究》2017年04期

【摘要】：阈值模型是刻画非线性关系的一类重要模型,但由于传统的阈值估计量具有非标准型的渐近分布以及保守的置信区间,使得其在实证应用中受到限制。针对这些局限性,本文将传统的阈值模型扩展成为具有高维稀疏特征的形式,并从变量筛选的角度去考察模型的结构突变,在此基础上为新的高维阈值模型设计合理的求解算法,并进一步推导了参数估计量的一致性与渐近正态性。通过数值模拟实验发现,高维稀疏的建模方法,不仅能够有效识别出阈值模型的结构突变,对重要变量的参数也有着非常良好的估计效果。
[Abstract]:Threshold model is an important model to characterize nonlinear relations, but the traditional threshold estimator is restricted in empirical application because of its nonstandard asymptotic distribution and conservative confidence interval.In view of these limitations, this paper extends the traditional threshold model to a form with high dimensional sparse feature, and investigates the structural mutation of the model from the angle of variable selection.On this basis, a reasonable algorithm is designed for the new high-dimensional threshold model, and the consistency and asymptotic normality of the parameter estimator are further derived.The numerical simulation results show that the high dimensional sparse modeling method can not only effectively identify the structural changes of the threshold model, but also have a very good estimation effect on the parameters of important variables.
【作者单位】： 暨南大学经济学院;暨南大学中国经济发展与创新战略研究中心;中山大学岭南学院;
【分类号】：C815

【参考文献】

相关期刊论文 前2条

1 李仲达;林建浩;王美今;;大数据时代的高维统计:稀疏建模的发展及其应用[J];统计研究;2015年10期

2 李仲达;余壮雄;王美今;;动态面板阈模型的一种序贯两步估计[J];统计研究;2014年07期

【共引文献】

相关期刊论文 前2条

1 刘丽萍;;高维稀疏对角GARCH模型的估计及应用[J];数学的实践与认识;2017年11期

2 李仲达;林建浩;王美今;;非连续型高维阈值回归理论:稀疏建模与推断[J];统计研究;2017年04期

【相似文献】

相关期刊论文 前10条

1 王大荣;张忠占;;线性回归模型中变量选择方法综述[J];数理统计与管理;2010年04期

2 李东风;郑忠国;;最优线性回归的计算方法[J];数理统计与管理;2008年01期

3 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

4 陶凤梅,杨启昌,胡锡衡;抽样调查中变量选择(英文)[J];鞍山师范学院学报;2002年03期

5 余茂迪;主成分回归的变量选择的两准则[J];淮南师专学报;2000年03期

6 赵培信;;带有缺失数据线性回归模型的变量选择[J];河池学院学报;2009年02期

7 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

8 张俊华,方伟武;调查表数据分析中变量选择和判别分析的一些方法及简单比较[J];中国管理科学;2000年S1期

9 罗英姿,张洁洋;用人工神经网络研究地方经济指标[J];河南广播电视大学学报;2005年02期

10 ;[J];;年期

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 吕晶;几类半参数回归模型的稳健估计与变量选择[D];重庆大学;2015年

2 王康宁;几类高维复杂数据半参数模型的结构识别、变量选择及稳健估计[D];山东大学;2016年

3 王大荣;分散度量模型中的变量选择[D];北京工业大学;2009年

4 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

5 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

6 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

7 唐凯临;变量选择和变换的新方法研究[D];同济大学;2008年

8 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

9 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

10 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

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 王唯;部分线性模型的变量选择问题研究[D];湘潭大学;2015年

6 徐国盛;若干模型的分位数变量选择[D];浙江财经大学;2016年

7 郭雪梅;部分线性模型中差分估计与SCAD的比较及带有异常点的非负变量选择[D];重庆大学;2015年

8 王艳;复共线性及异方差线性模型中的参数估计与变量选择[D];重庆大学;2015年

9 杨成敏;广义线性模型中的参数估计及变量选择方法研究[D];重庆大学;2015年

10 钟冬梅;线性模型中的变量选择及股票市场实证研究[D];重庆大学;2015年

，

本文编号：1764858