纵向数据分位回归模型的降维算法模拟研究

       摘要: 文章对含多重随机效应的纵向数据模型提出了两种新的惩罚分位回归法,通过对分位回归系数分别施加Lasso和自适应Lasso惩罚,两种方法能够对模型中的自变量进行自动选择.并设计了参数估计的交替迭代算法,讨论了最优惩罚参数选取方法.蒙特卡罗模拟结果显示,新方法不仅能对分位回归系数做出准确的估计和选择,而且对随机误差分布也具有较强的稳健性.

作者:
罗幼喜 李翰芳
单位:
湖北工业大学理学院 武汉 430068;湖北工业大学 产品质量工程研究院,武汉 430068 湖北工业大学理学院 武汉 430068;华中师范大学数学与统计学学院,武汉 430079
出处:
《统计与决策》
刊期:
2018年第34卷第9期
基金:
国家社会科学基金资助项目(17BJY210)

纵向数据分位回归模型的降维算法模拟研究

摘要:文章对含多重随机效应的纵向数据模型提出了两种新的惩罚分位回归法,通过对分位回归系数分别施加Lasso和自适应Lasso惩罚,两种方法能够对模型中的自变量进行自动选择.并设计了参数估计的交替迭代算法,讨论了最优惩罚参数选取方法.蒙特卡罗模拟结果显示,新方法不仅能对分位回归系数做出准确的估计和选择,而且对随机误差分布也具有较强的稳健性.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.753417s