半参数空间分位回归模型的估计与变量选择 |
| |
引用本文: | 胡亚南,王金天,田茂再.半参数空间分位回归模型的估计与变量选择[J].数理统计与管理,2022(4):647-661. |
| |
作者姓名: | 胡亚南 王金天 田茂再 |
| |
作者单位: | 1. 郑州大学商学院;2. 西安交通大学经济与金融学院;3. 中国人民大学统计学院 |
| |
基金项目: | 国家社会科学基金青年项目(19CTJ010); |
| |
摘 要: | 对于高维空间数据,利用半参数空间自回归进行建模,模型中会同时存在内生性、非线性、变量过多等问题。本文研究半参数空间分位回归模型,提出了新的估计程序:首先利用样条基函数,对模型中未知平滑函数进行逼近,解决非线性问题;然后运用特征向量空间滤波,将空间滞后因子转化为空间代理变量的线性组合,有效解决了内生性问题;利用再中心化影响函数,进行无条件分位回归建模,能够刻画不同分位水平下变量之间的关系;最后引入自适应Lasso惩罚,对高维线性部分进行变量选择,得到系数的稀疏估计,有效增强了模型的可解释性。数值模拟中对参数作不同的设置,展现了本文提出方法的有效性。最后,利用半参数空间分位回归模型分析了住房销售价格数据集。
|
关 键 词: | 空间自回归模型 特征向量空间滤波 无条件分位回归 变量选择 |
|
|