摘要
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.
We study the variable selection problem of the spatial autoregressive quantile model with fixed effects.By penalizing the relevant parameters,we can identify the spatial effects,estimate the unknown parameters and select the explanatory variables simultaneously.In addition,we give an algorithm of variable selection and prove the large sample property of penalty estimator.Numerical simulation and real data analysis show the excellent performance of the proposed method.
作者
刘宣
陈建宝
Xuan LIU;Jian Bao CHEN(School of Mathematics and Information Science,Nanchang Normal University,Nanchang 330032,P.R.China;School of Mathematics and Statistics,Fujian Normal University,Fuzhou 350117,P.R.China)
出处
《数学学报（中文版）》
CSCD
北大核心
2023年第3期405-424,共20页
Acta Mathematica Sinica：Chinese Series
基金
中国博士后基金(2019M660156)
福建省自然科学基金(2020J01170)
福建省高校科技创新团队项目(IRTSTFJ)
福建师范大学创新团队项目(IRTL1704)
江西省教育厅科技重点项目(GJJ202603)。
关键词
固定效应
空间自回归分位数模型
变量选择
大样本性质
数值模拟
fixed effects
spatial autoregressive quantile model
variable selection
large sample property
numerical simulation
