典型文献
面板数据贝叶斯双惩罚分位回归方法研究
文献摘要：
在面板数据混合效应模型中,大量未知随机效应的存在,给模型参数估计带来极大困难;同时随机误差的分布未知,不同分布下的随机误差会增加模型计算的复杂度,对固定效应与随机效应系数的变量选择与估计带来困难.为了解决这一问题,本文建立贝叶斯双Adaptive Lasso分位回归模型,将Adaptive Lasso惩罚函数同时引入到含固定效应与随机效应的面板数据中,构造参数估计的Gibbs抽样算法.蒙特卡罗模拟结果表明,该方法不仅能准确估计不同面板数据模型的参数系数,还能对重要变量进行选择.
文献关键词：
双Adaptive Lasso惩罚;Gibbs抽样算法;分位回归;随机效应;贝叶斯方法
中图分类号：
作者姓名：
舒婷;罗幼喜;李翰芳
作者机构：
湖北工业大学 理学院,湖北 武汉430068
文献出处：
引用格式：
[1]舒婷;罗幼喜;李翰芳-.面板数据贝叶斯双惩罚分位回归方法研究)[J].广西师范大学学报（自然科学版）,2022(01):150-165
A类：
B类：
罚分,分位回归,混合效应模型,随机效应,模型参数估计,随机误差,不同分布,布下,固定效应,变量选择,Adaptive,Lasso,惩罚函数,Gibbs,蒙特卡罗模拟,面板数据模型,数系,贝叶斯方法
AB值：
0.326447
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
