何晓霞,徐伟,李缓,吴传菊

(武汉科技大学理学院,湖北武汉430065)

面板数据分位数回归模型的参数估计与变量选择

何晓霞,徐伟,李缓,吴传菊

(武汉科技大学理学院,湖北武汉430065)

本文研究了基于面板数据的分位数回归模型的变量选择问题.通过增加改进的自适应Lasso惩罚项,同时实现了固定效应面板数据的分位数回归和变量选择,得到了模型中参数的选择相合性和渐近正态性.随机模拟验证了该方法的有效性.推广了文献[14]的结论.

面板数据;分位数回归;自适应Lasso;变量选择;渐近正态性

1 引言

近年来,由于计算机技术的日益成熟,分位数回归在理论和方法上都得到了广泛的应用. Koenker[1]首次提出了分位数回归,如今分位数回归作为均值回归分析的稳健替代,被广泛地用于探索响应变量与协变量之间的潜在关系.在实际应用中,分位数回归可以刻画响应变量更多的分布特征.Koenker[2]发现分位数回归的结果可以提供比普通条件均值回归更丰富,更有针对性.特别是,它提供了探索异质性的来源与合作的响应变量一种方法,并深入研究了分位回归模型及其估计.王新宇[3]系统地介绍了分位数的基本模型及其扩展、分位数回归模型的经典统计推断.Tang等[4]研究了加权复合分位数(WCQ)与随机截尾线性回归模型.在这个模型中,提出了可变选择的自适应惩罚程序,并证明了一致性和渐近正态性. Wang和Yin[5]研究了无界意义下的在线变化分位数回归算法.

分位数回……