期刊论文

中文

统计与决策

1002-6487

2016

15

4-8

10.13546/j.cnki.tjyjc.2016.15.001

国家自然科学基金资助项目（11271368） 教育部人文社科青年基金资助项目（10XNL018） 湖北省教育厅人文社科项目（2012G078） 湖北工业大学博士科研启动基金项目（BSQD13050）

本校为其他机构

随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差。文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩。通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法。通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题。计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择。