面板数据贝叶斯双惩罚分位回归方法研究

• 作者: 舒婷 罗幼喜 李翰芳
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 数学
• 关键词: 双Adaptive Lasso惩罚 Gibbs抽样算法 分位回归 随机效应 贝叶斯方法
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 150-165
• 页数: 16页
• 分类号: O212.8
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2021060917

摘要

在面板数据混合效应模型中,大量未知随机效应的存在,给模型参数估计带来极大困难;同时随机误差的分布未知,不同分布下的随机误差会增加模型计算的复杂度,对固定效应与随机效应系数的变量选择与估计带来困难.为了解决这一问题,本文建立贝叶斯双Adaptive Lasso分位回归模型,将Adaptive Lasso惩罚函数同时引入到含固定效应与随机效应的面板数据中,构造参数估计的Gibbs抽样算法.蒙特卡罗模拟结果表明,该方法不仅能准确估计不同面板数据模型的参数系数,还能对重要变量进行选择.