分组数据分位数回归模型的变量选择和估计北大核心CSCD |
| |
作者姓名: | 刘栋 杨冬梅 何勇 张新生 |
| |
作者单位: | 1.上海财经大学统计与管理学院200433;2.山东财经大学统计学院250014;3.山东大学中泰证券金融研究院250100;4.复旦大学管理学院200433; |
| |
基金项目: | 国家自然科学基金(11801316,11971116);山东省社科规划项目(19BYSJ23,20DTJJ02)资助项目;山东省研究生教育创新项目优质课程《中级计量经济学》(SDYKC18038)。 |
| |
摘 要: | 本文主要研究分组数据分位数回归模型的变量选择和估计问题.为了充分反映数据的分组信息,需要假定每组数据的回归系数可以分解成共性部分和分组后的个性部分.为了进行变量筛选,本文提出分解系数的Lasso估计,并进一步提出了自适应Lasso估计.在处理相应优化问题时,采用了变换观测矩阵的方法简化问题求解.本文给出了自适应Lasso估计的Oracle性质证明,并且通过数值模拟研究展示了所提方法的有限样本表现.最后,将此方法应用到乳腺浸润癌致病基因的变量筛选上来展示所提方法的实际应用表现.
|
关 键 词: | 分组数据 变量选择 分位数回归 Oracle性质 |
本文献已被 维普 等数据库收录! |
|