.png){kind=icon}
返回
Subgroup effect quantile regression with high dimensional missing panel data
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jmva.2025.105593.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于面板数据，我们探讨了具有组效应的高维和缺失观测下的部分线性变系数分位数回归。使用广义估计方程，我们构造了未知参数向量的oracle估计量及其平滑版本，以及变系数函数和组效应的估计量，并建立了它们的渐近正态性。在估计过程中，通过引入工作相关矩阵考虑了面板数据的组内相关性。我们进一步通过SCAD惩罚对参数、变系数函数和组识别进行联合变量选择，并讨论了oracle性质。同时，对参数、变系数函数和组效应进行了假设检验，分析了约束估计量及检验统计量在零假设和局部备择假设下的渐近分布。此外，通过模拟研究和真实数据分析评估了所提出方法的性能。
Keyword:
High dimensional panel data
Hypothesis test
Hypothesis Missing observation
Quantile regression
Subgroup identification
期刊
J
IF:
1.7
论文数:
99
被引数:
5.8K
机构
引用论文
Robust Integrative Analysis via Quantile Regression with Homogeneity and Sparsity通过分位数回归结合同质性与稀疏性的鲁棒整合分析
PREAI
分享收藏分享收藏Marginal quantile regression for varying coefficient models with longitudinal data变系数模型纵向数据的边际分位数回归
PREAI
分享收藏GLOBALLY ADAPTIVE QUANTILE REGRESSION WITH ULTRA-HIGH DIMENSIONAL DATA基于超高维数据的全局自适应分位数回归.png)
ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏分享收藏
查看更多内容