面板数据模型的惩罚似然变量选择方法研究

面板数据模型的惩罚似然变量选择方法研究
李扬;曾宪斌
【期刊名称】《统计研究》
【年(卷),期】2014(031)003
【摘要】本文针对面板数据模型的惩罚似然变量选择问题,比较研究了Lasso、Adaptive Lasso、Bridge和SCAD四种罚函数的浙近性质.模拟结果验证了在面板数据情况下,Adaptive Lasso、Bridge和SCAD的Oracle性质同样成立,且它们在变量选择准确性、参数估计精度和模型预测精度三方面的效果都优于Lasso.为了合理选取调整参数,本文考虑AIC、BIC 、GCV、Cp四种准则,通过模拟显示BIC 和GCV的表现通常要优于AIC和Cp.作为实证研究,本文在面板数据框架下应用惩罚似然方法对上市公司市盈率影响因素进行选择,以期对股市投资者做出理性投资决策有一定指导价值.
【总页数】7页(P83-89)
【作者】李扬;曾宪斌
【作者单位】中国人民大学统计学院;中国人民大学统计学院
【正文语种】中文
【中图分类】F222.3
【相关文献】
1.时变系数空间自回归面板数据模型的极大似然估计 [J], 邓明
2.组合惩罚似然估计下发散参数变量选择 [J], 董莹;宋立新;华志强
3.带固定效应空间误差面板数据模型的经验似然推断 [J], 周婷;秦永松
4.基于非凸惩罚似然法的混合回归模型离群值检测与变量选择 [J], 余纯;翁诗雨
5.一类空间面板数据模型的经验似然推断 [J], 曾庆樊;秦永松;黎玉芳
因版权原因，仅展示原文概要，查看原文内容请购买。