论文摘要
变量选择直接决定着空间计量经济模型的有效程度与实证研究结果。为有效解决空间自回归模型（即SAR模型）的变量选择问题,本文利用Kullback-Laible信息量最大化,把AIC准则运用到SAR模型构建,推导出Spatial AIC统计量,提出Spatial AIC准则。然后利用统计理论证明Spatial AIC准则选择SAR模型变量的渐近最优性;利用蒙特卡洛模拟方法,比较Spatial AIC准则、经典AIC准则和Lasso方法用于SAR模型变量选择的有限大样本性质;利用空间相关的沪深300成分股股票收益率数据,采用Spatial AIC准则和Lasso方法,分别构建股票收益率财务因素的空间自相关模型,实证比较其相对有效性。三种结果均表明Spatial AIC准则能够更好地解决SAR模型变量选择问题。
论文目录
文章来源
类型: 期刊论文
作者: 王周伟,陶志鹏,张元庆
关键词: 空间自回归模型,变量选择,准则,渐进最优性,有限大样本性质
来源: 数理统计与管理 2019年01期
年度: 2019
分类: 社会科学Ⅱ辑,基础科学,经济与管理科学
专业: 数学,金融,证券,投资
单位: 上海师范大学商学院,上海财经大学财经研究所,上海对外经贸大学国际经贸学院
基金: 国家自然科学基金项目(71371066,71573178,71673189),教育部人文社科规划基金项目(17YJA790075),教育部人文社科青年基金项目(15YJC790150),国家统计局全国统计科学研究重点项目(2016LZ16)
分类号: F832.51;O212.1
DOI: 10.13860/j.cnki.sltj.20181121-001
页码: 69-80
总页数: 12
文件大小: 825K
下载量: 469
相关论文文献
- [1].基于惩罚方法的贝叶斯群组变量选择[J]. 绵阳师范学院学报 2017(02)
- [2].当前状态数据中比例风险模型的一种贝叶斯变量选择方法（英文）[J]. 中国科学技术大学学报 2020(10)
- [3].中位数回归的贝叶斯变量选择方法[J]. 应用概率统计 2019(06)
- [4].变量选择集成方法[J]. 工程数学学报 2019(01)
- [5].基于风险函数评价自变量选择对预测的影响[J]. 哈尔滨师范大学自然科学学报 2012(01)
- [6].变量选择偏离对预测的影响研究[J]. 统计与决策 2016(12)
- [7].基于特征子空间虚假邻点判别的软传感器模型变量选择[J]. 机械工程学报 2011(12)
- [8].函数型变量选择法用于空气质量影响因素实证分析[J]. 安庆师范大学学报(自然科学版) 2017(04)
- [9].污染数据的稳健稀疏成组变量选择方法研究[J]. 统计与信息论坛 2018(06)
- [10].应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J]. 赤峰学院学报(自然科学版) 2014(19)
- [11].基于两种非凸惩罚函数的稀疏组变量选择[J]. 应用数学与计算数学学报 2018(03)
- [12].基于t函数的稳健变量选择方法[J]. 上海理工大学学报 2017(06)
- [13].高维部分线性小波模型中的变量选择[J]. 宁波工程学院学报 2018(02)
- [14].个人住房抵押贷款违约相关变量选择[J]. 现代管理科学 2009(04)
- [15].Ensemble-SISPLS近红外光谱变量选择方法[J]. 光谱学与光谱分析 2019(04)
- [16].含函数型自变量回归模型中的变量选择[J]. 北京航空航天大学学报 2019(10)
- [17].基于变量选择和聚类分析的两阶段异方差模型估计[J]. 应用概率统计 2018(02)
- [18].基于可见-近红外光谱变量选择的土壤全氮含量估测研究[J]. 中国农业科学 2014(12)
- [19].基于M-估计单指标模型的变量选择[J]. 兰州理工大学学报 2017(06)
- [20].比例数据的贝叶斯变量选择[J]. 数理统计与管理 2018(03)
- [21].主因子逼近方法在变量选择中的应用[J]. 湖南理工学院学报(自然科学版) 2019(01)
- [22].基于自加权变量组合集群分析法的近红外光谱变量选择方法研究[J]. 分析化学 2018(01)
- [23].基于迭代光滑L_(1/2)算法的变量选择[J]. 应用数学与计算数学学报 2016(01)
- [24].高维部分线性模型中的变量选择[J]. 北京工业大学学报 2011(02)
- [25].一种基于频率与回归系数相结合的自举柔性收缩变量选择方法[J]. 仪器仪表学报 2020(01)
- [26].探究变量选择的常见方法[J]. 通讯世界 2019(03)
- [27].几种高维变量选择方法的比较及应用[J]. 统计与决策 2017(22)
- [28].变系数模型的变量选择[J]. 统计与决策 2016(12)
- [29].贝叶斯变量选择及模型平均的研究[J]. 统计与信息论坛 2015(08)
- [30].分位数回归模型中的两步变量选择（英文）[J]. 上海师范大学学报(自然科学版) 2015(03)