面板数据的贝叶斯Lasso分位回归方法

摘要：

本文讨论了含有随机效应的面板数据模型,通过引入条件Laplace先验,构造了一种新的贝叶斯Lasso分位回归法.与一般贝叶斯分位回归法不同,该方法能够更大程度地将模型中非重要的解释变量系数压缩至0,从而在估计系数的同时也起到变量选择的作用.利用积分恒等式,本文构造了一种易于实施的参数估计切片Gibbs抽样算法.模拟结果显示,模型合有较多变量时,新方法排除“噪声”变量的能力明显高于现有文献中的其他方法.本文最后对我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.

关键词：面板数据、贝叶斯Lasso、分位回归、切片Gibbs抽样

所属期刊栏目：30

分类号：F224.0(经济计算、经济数学方法)

资助基金：湖北省教育厅人文社科项目"面板数据的分位回归方法及其应用研究"2012G078;中国人民大学科学研究基金项目重大基础研究计划"复杂数据工程中若干重大问题的基础理论研究"10XNL018

在线出版日期：2013-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：138-149