面板数据的贝叶斯Lasso分位回归方法  

Bayesian Lasso Quantile Regression for Panel Data Models

作　　者：李翰芳[1] 罗幼喜[1] 田茂再[2] 

机构地区：[1]湖北工业大学理学院 [2]中国人民大学统计学院

出　　处：《数量经济技术经济研究》2013年第2期138-149,共12页Journal of Quantitative & Technological Economics

基　　金：湖北省教育厅人文社科项目"面板数据的分位回归方法及其应用研究"(2012G078);中国人民大学科学研究基金项目(重大基础研究计划)"复杂数据工程中若干重大问题的基础理论研究"(10XNL018)的资助

摘　　要：本文讨论了含有随机效应的面板数据模型,通过引入条件Laplace先验,构造了一种新的贝叶斯Lasso分位回归法。与一般贝叶斯分位回归法不同,该方法能够更大程度地将模型中非重要的解释变量系数压缩至0,从而在估计系数的同时也起到变量选择的作用。利用积分恒等式,本文构造了一种易于实施的参数估计切片Gibbs抽样算法。模拟结果显示,模型含有较多变量时,新方法排除"噪声"变量的能力明显高于现有文献中的其他方法。本文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,演示了新方法估计参数与挑选变量的能力。This paper discusses the random effects panel data model and establi- shes a new Bayesian Lasso quantile regression method by using of conditional La- place prior. It is different with the general Bayesian quantile regression method that it can shrink the coefficients o{ non-important explanatory variables to zero, and select variables simultaneously. By using of integral identities, the paper constructs an easy slice Gibbs sampling algorithm to estimate parameters. Monte Carlo simula- tion indicates that the proposed method is obviously superior to other methods in literatures when excluding noise variables from a lot of explanatory variables. Finally, we study the panel data including several macroeconomie indica- tors of our country and demonstrate the new rameters and selecting variables. method＇s capability o{ estimating pa

关 键 词：面板数据 贝叶斯Lasso 分位回归 切片Gibbs抽样 

分 类 号：F224.0[经济管理—国民经济]