基于密度的面板数据聚类分析
2014-01-01谢远涛
统计与信息论坛 2014年2期
杨 娟,谢远涛
(1.中国人民大学 统计学院,北京100872;2.对外经济贸易大学 保险学院,北京100029)
一、引 言
面板数据分析是计量经济学的一个重要组成部分,主要研究集中于混合模型、分层模型等领域,而面板数据的聚类分析研究还处于发展阶段,数据挖掘中经典聚类分析方法主要适用于截面数据的聚类。面板数据聚类主要讨论两类问题:如何度量数据对象的相似性以及采用何种聚类方法。度量相似性的方法分为两种:距离和相似系数。主要的聚类方法可以划分为五大类:基于划分的、基于密度的、基于层次的、基于模型的和基于方格的,当然还存在其他类型的聚类方法[1]184-188。
(一)构造相似性度量
Bonzo等基于概率连接函数来定义相似系数,采用改进的自适应模拟退火-遗传算法优化目标函数[2]。Nie将不同时期的观测给予不同权重,构造距离函数[3]。朱建平等将单指标面板数据转化为截面数据做聚类分析[4]。张可等根据指标的几何特征,用扩展灰色关联度矩阵构造相似矩阵[5]。任娟等用自适应滑动窗口分段方法提取面板数据中时序局部变化的形状特征[6]。杨毅等用主成分分析提取面板数据指标的特征,对面板数据进行有序聚类分析[7]。李因果等用“绝对指标”、“增量指标”和“波动指标”构造综合距离函数,使用专家调查法和熵权系数法确定距离函数的参数,该方法适用于经济领域的面板数据聚类[8]。吴利峰等根据面板数据的凸性,提出用三维灰色凸关联度构造相似矩阵,这两类方法适用于计算机控制和图形处理领域的面板数据聚类[9]。……
登录APP查看全文
