高维混合效应模型的双正则化分位回归方法研究
2017-07-15分类号：C81
【部门】湖北工业大学理学院 中国人民大学统计学院 华中师范大学数学与统计学学院
【摘要】针对高维混合效应模型,本文提出了一种双正则化分位回归方法。通过对随机和固定效应系数同时实施L1正则化惩罚,一方面能够对重要解释变量进行挑选,另一方面能够消除个体随机波动带来的偏差。求解参数估计的交替迭代算法不仅破解了要同时确定两个调整参数的难题,而且算法速度快。模拟结果也表明该方法不仅对误差类型有很强的抗干扰能力,同时在模型有不同稀疏程度时均表现良好,尤其是对于解释变量多于样本的高维情况。为了方便在实际问题中选择最优正则化参数,本文还对两种参数选取标准进行了比较研究。最后利用新方法对一个教育方面的数据进行
【关键词】高维混合效应模型 双正则化 交替迭代法
【基金】国家社会科学基金项目“高维复杂面板数据的双惩罚分位回归建模方法研究”(17BJY210);; 国家自然科学基金项目“基于当代分位回归与鞍点逼近方法的复杂数据分析”(11271368);; 教育部人文社会科学青年基金项目“面板数据的分位回归方法及其变量选择问题研究”(13YJC790105);; 湖北工科研启业大学博士动基金项目“高维复杂纵向数据的分位回归建模研究”(BSQD13050)资助
【所属期刊栏目】统计研究
文献传递
