高维部分线性可加的空间分位回归模型

摘要：

考虑高维空间数据的截面相依性、异质性、非线性等特征,本文提出部分线性可加的空间分位回归模型,其优势在于:(1)设定部分线性可加的结构,形式更加灵活,能够刻画变量间的非线性关系;(2)基于分位回归视角,考察在不同分位水平下协变量对响应变量的影响,能够获得更加全面的信息;(3)在不同分位水平下,允许不同的稀疏性,避免高维灾难,具有优良的可解释性和稳健性.针对模型中的内生性、非线性以及冗余变量等问题,本文利用特征向量空间滤波、B样条基函数展开、group SCAD惩罚等技术,提出有效的估计程序.数值模拟考虑不同的模型设定,展示了本文提出方法的有效性.最后,利用部分线性可加的空间分位回归模型研究县域情形下食物选择条件对当地居民健康状况的影响.

关键词：空间分位回归模型、特征向量空间滤波、变量选择

所属期刊栏目：41

分类号：O212(概率论与数理统计)

资助基金：国家社会科学基金19CTJ010

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：843-857