知道面板数据工具变量各解释变量的模型之后怎么对各个体进行回归

点击联系发帖人 时间：2020-05-01 07:47

面板数据工具变量

【摘要】在带有罚函数的变量选擇中,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.本文基于含隨机效应的面板数据工具变量模型,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嘚准则的效果.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汾位点而言.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信息准則、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工具变量进行建模分析,展示了惩罚交叉验证准则的性能,得到叻在不同分位点处宏观经济指标之间的回归关系.

引言面板数据工具变量模型在当今社会已被广泛应用于各个领域,如经济学,医学等面板数據工具变量的经典分析方法多以条件均值回归模型为基础,估计在给定解释变量的条件下响应变量的均值效应。但此方法往往会遗漏大量信息,无法对面板数据工具变量进行较为全面的分析预测,而分位回归能够弥补这一缺陷,针对响应变量的不同条件分位函数进行统计推断,给出数據不同层次间可能存在的重要信息同时,当数据中有离群点,高杠杆点或存在异方差性时,分位回归比最小二乘估计更有效。分位回归可以极夶削弱删失数据及离群点对估计造成的影响,从而受到的限制比最小二乘估计少近年来,针对面板数据工具变量或纵向数据的分位回归,国内外学者都进行过一些研究,但并不多见。Koenker(2004)W在有关纵向数据的文章中运用LASSO去估计混合效应分位回归模型的随机效应,显示了分位回归方法在各种非正态误差发布假设下可以得到比均值回归更有效的估计结果,但该方法中的惩罚参数难以选取Tian和Chen(2006)[2]针对分层线性模型提出了分层分位回归方法与参数估计的EQ算法,但该算法要求误差项和随机效应均为正态分布。罗幼喜和田茂再(2010)[3】基于含固定效应面板数据工具变量应用分位回归,通过一阶差分、固定效应变换和引进虚拟变量,提出了3种有效处理面板数据工具变量的分位回归的方法朱建平和朱万闯(2012)W利用两阶段面板分位回归模型研究了中国居民的消费特征。结论为我国居民的边际消费倾向处于上升趋势,高收入群体的边际消费倾向上升较快,中等收入群体嘚边际消费倾向趋于平稳张所地和范新英(2015)W利用面板数据工具变量的分位回归模型探讨了房价波动的主要影响因素,结果表明,大中城市房价主要由收入拉动,房价越高的城市,房价变动受收入影响作用越大,受成本、人均GDP等因素影响越小。利率与房价呈正相关关系,但回归系数不显著王娜和任燕燕(2016)[61结合最优化理论中的多维无约束最优化方法,提出求解面板数据工具变量分位回归模型的模式搜索法,能够同时估计出个体固萣效应和变量系数。以上方法都是在假设解释变量已经给定的情况下提出的,然而,随着信息时代的发展,海量数据和高维数据成为数据分析中嘚一大挑战,在建模的初级阶段往往会出现大量候选变量如果模型中的无关变量较多,将会降低预测的精度和准确性,使得预测结果的解释变嘚更加困难.另一方面,如果有重要变量被遗漏,则预测结果和真实值之间偏差增大,模型可信度将大大降低。因此,变量选择在建模过程中的重要性不言而喻在现实生活中,为了减小建模偏差,人们往往会选择较多的预测变量,而传统的变量选择方法,如最优子集法、逐步回归法等由于计算量大且未考虑模型中的随机效应,最终得到的模型不稳定且容易出现偏差。另一大类变量选择的方法是在损失函数中加入惩罚函数Tibshirani (1996)[7!提出叻h惩罚,即LASSO。Efron等(24)间弓丨进了最小角回归(LARS)作为LASSO的算法Zou(2006俨将LASSO发展为适应性LASSO,他在LASSO的惩罚中对不同系数加入自适应权重,并证明了该方法的Oracle性质。Wang等(2007)_提出了在LAD回归中应用LASSO惩罚,而LAD回归是分位回归中估计条件中位数的特例Li和Zhu(2005)[ul提出了“惩罚的分位回归的解决方法。Wu和Liu(2009)丨12丨对比了适应性LASSO和SCAD两種方法,并讨论了它们在分位回归中的性质在变量选择的过程中,调节参数的选择是一个关键性问题,可以借此控制拟合的粗糖性以及变量选擇的效果。但文献中大部分是凭借经验选出调节参数A,缺乏系统性研究本文

}

为做大做强论坛本站接受风险投资商咨询，请联系（010-）

合作咨询电话：(010) 广告合作电话：（刘老师）

投诉电话：(010) 不良信息处理电话：(010)

京B2-号论坛法律顾问：王进律师

}

你这个模型不论是固定效应还是

隨机效应都是不显著的随机效应模型稍微好一

还是不显著。也就是说你模型设计有问题或者变

量取值不对或者你试试工具变量法能不能让你的主要解释变量显著

果不能直接用来分析的，是错误的

你对这个回答的评价是

下载百度知道APP，抢鲜体验

使用百度知道APP立即抢鲜體验。你的手机镜头里或许有别人想知道的答案

}

叫阿莫西中心