面板数据分位数回归模型的工具变量估计

针对含有内生变量的面板数据回归模型,提出基于工具变量的分位数回归估计方法.首先,通过引入工具变量解决协变量的内生性问题,然后利用分位数回归的方法对回归系数进行估计.在一些正则条件下,证明所提出估计的大样本性质,通过模拟研究证实该方法的有限样本性质.     

面板数据分位数回归模型的参数估计与变量选择

本文研究了基于面板数据的分位数回归模型的变量选择问题.通过增加改进的自适应Lasso惩罚项,同时实现了固定效应面板数据的分位数回归和变量选择,得到了模型中参数的选择相合性和渐近正态性.随机模拟验证了该方法的有效性.推广了文献[14]的结论.     

面板数据分位数回归模型求解的模式搜索法

本文应用最优化理论,对固定效应的面板数据分位数回归模型,提出一种模式搜索方法,此方法可以同时估计出所有分位点处的解释变量系数和所有个体的固定效应值。进一步利用蒙特卡洛模拟比较现有文献中涉及的面板数据分位数回归方法,结果显示无论误差项是否满足经典假设,模式搜索分位数回归法较之其他分位数回归估计方法更为有效.     

基于SaRa的面板数据回归模型结构变点估计

面板数据的变点分析是计量经济学的热门研究课题之一,在金融、医学、质量控制、气象等领域也有着广泛的应用.基于一种快速局部算法SaRa (Screening and Ranking algorithm)研究了面板数据回归模型的结构变点估计问题.首先基于回归系数的估计量建立局部统计量,筛选出可能的变点.其次构造自适应阈值来筛选出最终的变点,并且证明了变点估计量的一致性.Monte Carlo模拟结果显示,当解释变量为外生变量或内生变量,误差项存在序列相关或异方差,提出的方法都能较准确地估计出变点的个数及位置.最后利用该方法分析世界24个低收入和高收入国家自然人口增长率和国际移民存量对人口增长率的影响,说明了方法的有效性.     

分组数据分位数回归模型的变量选择和估计北大核心CSCD

本文主要研究分组数据分位数回归模型的变量选择和估计问题.为了充分反映数据的分组信息,需要假定每组数据的回归系数可以分解成共性部分和分组后的个性部分.为了进行变量筛选,本文提出分解系数的Lasso估计,并进一步提出了自适应Lasso估计.在处理相应优化问题时,采用了变换观测矩阵的方法简化问题求解.本文给出了自适应Lasso估计的Oracle性质证明,并且通过数值模拟研究展示了所提方法的有限样本表现.最后,将此方法应用到乳腺浸润癌致病基因的变量筛选上来展示所提方法的实际应用表现.     

面板数据下带固定效应的线性回归模型的稳健变量选择

本文结合复合分位数回归和自适应LASSO惩罚方法为固定效应面板数据模型提供了一种稳健变量选择过程。先通过正向正交偏差变换消除固定效应,再利用自适应LASSO构造惩罚复合分位数回归目标函数,进而同时进行回归系数的估计和变量选择。在一些正则条件下,证明了所提出的估计具有Orcale性质。该方法不仅消除了固定效应对估计的影响,而且具有稳健性。模拟研究了所提出方法的有限样本性质并将其应用于实际数据分析。     

中国对外贸易对经济增长的影响——基于改进的两阶段面板数据分位数回归

针对面板数据回归模型,本文结合复合分位数回归,提出了改进的两阶段分位数回归估计方法,所提出的估计不仅保留了分位数回归的优点,而且保留了变量的含义.进一步,采用所提出的方法分析了对外贸易对经济增长的影响.分析表明,对外贸易对经济增长具有正向影响,且在对外贸易开放度越高的地区,其对经济增长的影响越大。     

固定效应空间自回归分位数模型的变量选择

本文研究了固定效应空间自回归分位数模型的变量选择问题.通过惩罚压缩相关参数,达到了同时识别空间效应、估计未知参数和选择解释变量的目的.此外,给出了变量选择的实现算法并证明了惩罚估计量的大样本性质.数值模拟和实例分析均表明了所提方法的优良表现.     

基于工具变量的变系数测量误差模型的分位数回归估计

文章考虑协变量含有测量误差的变系数模型,为了消除测量误差的影响,在估计过程中引入工具变量,利用工具变量对含有测量误差的协变量进行校正.为了获得稳健估计,利用分位数回归方法得到不同分位点上系数函数的估计.在一些正则条件下,证明了所提出的估计的渐近正态性.模拟研究比较了Naive估计,基于工具变量校正的分位数回归估计(IVQR)以及基于工具变量校正的最小二乘估计(IVLS),模拟结果表明文章提出的方法优于已有的方法.最后采用文章提出的方法对中国农村居民的金融资产余额的影响因素进行了分析,结果表明住户债务余额系数呈现U型变化,家庭收入系数呈现倒U型变化.     

比例响应数据的分位数回归建模

由于比例响应数据具有有界性、偏态性和异方差性等特征,基于常规的回归建模方法往往不尽人如意。本文基于分位数方法研究比例响应数据的回归建模及其统计推断问题,重点研究了半连续型比例数据的分位数估计方法,并给出了估计的大样本性质。数值模拟研究和实例分析验证了所提方法的有效性。     

中国居民消费的特征分析——中基于两阶段面板分位回归

本文结合实际问题,提出一种两阶段面板数据分位回归方法,并使用该方法分析我国居民的消费特征。通过横向和纵向比较揭示三种不同收入人群的边际消费倾向的变化趋势。文章认为中等收入者的边际消费倾向趋于稳定,低收入者和高收入者的边际消费倾向都有上升的趋势。中国居民的边际消费倾向呈现"U"型,所以提高低收入者的消费不仅在于提高他们的收入,更重要的是缩小当前的贫富差距。     

基于面板分位回归方法的我国金融发展对城乡收入差距影响分析

在收入差距的不同分位点上,金融发展对其的影响会展现出不一样的特征。由于我国区域金融发展不均,这一作用机制还具有显著的地区差异。本文利用面板分位回归模型和面板数据聚类方法探寻金融发展对贫富分化作用的分位点特征和地区差异。实证表明,我国大部分地区的金融发展加剧城乡收入差距的扩大,并且这一作用机制存在动态变化特征。当城乡收入差距从高分位点变动到低分位点时,金融发展拉大城乡收入差距的作用逐渐减缓,部分省份甚至具有金融发展抑制城乡收入差距扩大的效应。本文的研究结论将为业内人士和政府的相关决策提供参考依据。     

非参数固定效应Panel Data模型的统计推断

本文主要讨论了非参数固定效应Panel data模型的估计与检验问题,首先我们利用Profile最小二乘方法得到了固定效应与非参数部分的估计;接着基于比较原假设与备择假设下模型拟合的残差平方和的思想针对固定效应的检验问题构造了检验统计量,并给出了计算检验p-值的F分布逼近法。     

A New Approach to Censored Quantile Regression Estimation

Quantile regression provides an attractive tool to the analysis of censored responses, because the conditional quantile functions are often of direct interest in regression analysis, and moreover, the quantiles are often identifiable while the conditional mean functions are not. Existing methods of estimation for censored quantiles are mostly limited to singly left- or right-censored data, with some attempts made to extend the methods to doubly censored data. In this article, we propose a new and unified approach, based on a variation of the data augmentation algorithm, to censored quantile regression estimation. The proposed method adapts easily to different forms of censoring including doubly censored and interval censored data, and somewhat surprisingly, the resulting estimates improve on the performance of the best known estimators with singly censored data. Supplementary material for this article is available online.     

面板数据分位回归中适应性LASSO调节参数的选择

在带有罚函数的变量选择中,调节参数的选择是一个关键性问题,但遗憾的是,在大多数文献中,调节参数选择的方法较为模糊,多凭经验,缺乏系统的理论方法.本文基于含随机效应的面板数据模型,提出分位回归中适应性LASSO调节参数的选择标准惩罚交叉验证准则(PCV),并讨论比较了该准则与其他选择调节参数的准则的效果.通过对不同分位点进行模拟,我们发现当残差E来自尖峰分布和厚尾分布时,该准则能更好地估计模型参数,尤其对于高分位点和低分位点而言.选取其他分位点时,PCV的效果虽稍逊色于Schwarz信息准则,但明显优于A1kaike 信息准则和交叉验证准则.且在选择变量的准确性方面,该准则比Schwarz信息准则、Akaike信息准则等更加有效.文章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,展示了惩罚交叉验证准则的性能,得到了在不同分位点处宏观经济指标之间的回归关系.     

删失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果.本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题.首先,逆删失概率加权方法被用来得到模型的参数估计.其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势.最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果.     

An Iterative Coordinate Descent Algorithm for High-Dimensional Nonconvex Penalized Quantile Regression

We propose and study a new iterative coordinate descent algorithm (QICD) for solving nonconvex penalized quantile regression in high dimension. By permitting different subsets of covariates to be relevant for modeling the response variable at different quantiles, nonconvex penalized quantile regression provides a flexible approach for modeling high-dimensional data with heterogeneity. Although its theory has been investigated recently, its computation remains highly challenging when p is large due to the nonsmoothness of the quantile loss function and the nonconvexity of the penalty function. Existing coordinate descent algorithms for penalized least-squares regression cannot be directly applied. We establish the convergence property of the proposed algorithm under some regularity conditions for a general class of nonconvex penalty functions including popular choices such as SCAD (smoothly clipped absolute deviation) and MCP (minimax concave penalty). Our Monte Carlo study confirms that QICD substantially improves the computational speed in the p ? n setting. We illustrate the application by analyzing a microarray dataset.     

面板数据模型的序列相关性检验——理论研究与实证分析

本文对文献中面板数据模型中一些重要的序列相关性检验方法进行了梳理,并基于动态面板数据模型联合序列相关性检验对外商直接投资与增加就业的影响关系进行了实证研究。     

基于面板数据模型的人口城镇化与能源消费关系的实证研究

运用面板数据分析方法对四个直辖市1998—2012年人口城镇化与能源消费关系进行了实证分析,结果表明人口城镇化与能源消费为不平稳变量,但它们之间存在着长期的协整关系.