非参数面板数据模型的贝叶斯分位回归方法研究

摘要：

文章针对面板数据在贝叶斯分析的框架下讨论了非参数分位回归建模方法.利用低秩薄板惩罚样条的展开,通过引入虚拟变量和非对称Laplace分布,建立贝叶斯分层分位回归模型,给出了未知参数估计的Metropolis-Hastings抽样算法.模拟结果显示,新方法在稳定性和无偏性方面都更优于4种传统方法.最后以消费支出面板数据为例,演示了新方法在实际建模中的应用,获得了一些有益的新结论.

关键词：惩罚样条、非参数分位回归、MCMC算法、蒙特卡罗模拟

所属期刊栏目：36

分类号：O212(概率论与数理统计)

资助基金：国家社会科学基金资助项目17BJY210

在线出版日期：2020-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14