教育部人文社会科学研究基金(10XNL018)
- 作品数：5 被引量：26H指数：3
- 相关作者：罗幼喜田茂再李翰芳李子强更多>>
- 相关机构：湖北工业大学中国人民大学华中师范大学更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金湖北省教育厅人文社会科学研究项目更多>>
- 相关领域：经济管理理学社会学更多>>
- 面板数据的自适应Lasso分位回归方法研究被引量：13
- 2014年
- 如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。
- 李子强田茂再罗幼喜
- 关键词：面板数据分位回归
- 混合效应模型的非参数贝叶斯分位回归方法研究被引量：3
- 2016年
- 本文对混合效应模型提出了一种非参数贝叶斯分位回归方法,通过引进一种新的分层有限正态混合分布,将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下。通过对混合比例参数假设广泛灵活的Stick-Breaking先验,使得模型捕捉复杂数据分布信息的能力更强。在建立的非参数贝叶斯分层分位回归模型中引入潜变量,使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)N项函数值变为每次只需计算N项即可。蒙特卡罗模拟显示,在误差分布函数变得较为复杂时,非参数贝叶斯分位回归方法比参数方法在估计效果上有更大的优势。
- 李翰芳罗幼喜田茂再
- 关键词：混合效应模型
- 混合效应模型的多惩罚回归过程及其算法收敛性研究被引量：2
- 2017年
- 针对混合效应模型中固定效应与随机效应同时选择问题,提出了施加多个惩罚项的回归过程,同时给出了参数估计的交替迭代算法,并证明了算法的收敛性。针对两种特殊的多惩罚回归过程,分别利用计算机模拟数据进行了比较分析,结果显示新方法在各种不同条件下均有良好的表现,尤其是能处理高维稀疏的混合效应模型。最后通过一个实际数据演示了新方法的应用。
- 罗幼喜李翰芳
- 关键词：高维迭代算法
- 面板数据分位回归模型中固定与随机效应的选择被引量：3
- 2016年
- 随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差。文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩。通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法。通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题。计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择。
- 罗幼喜李翰芳田茂再
- 关键词：GROUP
- 高维混合效应模型的双正则化分位回归方法研究被引量：5
- 2017年
- 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了实证演示,找出了在各个分位点处对学生成绩有影响的重要因素。
- 罗幼喜田茂再李翰芳
