面板数据贝叶斯双惩罚分位回归方法研究

舒婷; 罗幼喜; 李翰芳

doi:10.16088/j.issn.1001-6600.2021060917

广西师范大学学报（自然科学版） ›› 2022, Vol. 40 ›› Issue (01) : 150 -165. DOI: 10.16088/j.issn.1001-6600.2021060917

面板数据贝叶斯双惩罚分位回归方法研究

舒婷, 罗幼喜, 李翰芳

作者信息 +

Author information +

文章历史 +

PDF

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。