典型文献
半参数空间分位回归模型的估计与变量选择
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
胡亚南;王金天;田茂再
作者机构：
郑州大学商学院,河南郑州450001;西安交通大学经济与金融学院,陕西西安710049;中国人民大学统计学院,北京1000872
文献出处：
引用格式：
[1]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(04):647-661
A类：
空间分位回归模型,特征向量空间滤波,无条件分位回归
B类：
参数空间,变量选择,高维空间,空间数据,会同,计程,样条,基函数,平滑函数,逼近,决非,非线性问题,运用特征,代理变量,线性组合,内生性问题,再中心化影响函数,回归建模,Lasso,稀疏估计,可解释性,销售价格,空间自回归模型
AB值：
0.248742
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。
