面板数据分位回归中适应性LASSO调节参数的选择
2017-01-17分类号：O212.1
【部门】中国人民大学应用统计科学研究中心 中国人民大学统计学院 兰州商学院统计系
【摘要】在带有罚函数的变量选择中,调节参数的选择是一个关键性问题,但遗憾的是,在大多数文献中,调节参数选择的方法较为模糊,多凭经验,缺乏系统的理论方法。本文基于含随机效应的面板数据模型,提出分位回归中适应性LASSO调节参数的选择标准惩罚交叉验证准则(PCV),并讨论比较了该准则与其他选择调节参数的准则的效果。通过对不同分位点进行模拟,我们发现当残差ε来自尖峰分布和厚尾分布时,该准则能更好地估计模型参数,尤其对于高分位点和低分位点而言.选取其他分位点时,PCV的效果虽稍逊色于Schwarz信息准则,但明显优于Ak
【关键词】调节参数选择 分位回归 适应性LASSO 惩罚交叉验证准则 面板数据
【基金】教育部哲学社会科学研究重大课题攻关项目(15JZD015),教育部高等学校博士学科点专项科研基金(20130004110007),教育部人文社会科学重点研究基地重大项目(15JJD910001);; 国家自然科学基金(11271368);; 北京市社会科学基金重大项目(15ZDA17);; 国家社会科学基金重点项目(13AZD064);; 中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目成果(15XNL008)
【所属期刊栏目】数理统计与管理
文献传递
