文章針對(duì)面板數(shù)據(jù)在貝葉斯分析的框架下討論了非參數(shù)分位回歸建模方法。利用低秩薄板懲罰樣條的展開(kāi),通過(guò)引入虛擬變量和非對(duì)稱(chēng)Laplace分布,建立貝葉斯分層分位回歸模型,給出了未知參數(shù)估計(jì)的Metropolis-Hastings抽樣算法。模擬結(jié)果顯示,新方法在穩(wěn)定性和無(wú)偏性方面都更優(yōu)于4種傳統(tǒng)方法。最后以消費(fèi)支出面板數(shù)據(jù)為例,演示了新方法在實(shí)際建模中的應(yīng)用,獲得了一些有益的新結(jié)論。 

【文章來(lái)源】：統(tǒng)計(jì)與決策. 2020年19期 第9-14頁(yè) 北大核心CSSCI

【文章頁(yè)數(shù)】：6 頁(yè)


本文編號(hào)：2912068