本文選題：半?yún)?shù)空間自回歸模型 + 變量選擇��； 參考：《數(shù)理統(tǒng)計與管理》2017年05期

【摘要】：變量選擇有助于簡化模型,提高估計和預(yù)測的精度,但目前鮮有涉及面板半?yún)?shù)空間自回歸模型變量選擇的研究。本文在ALASSO的基礎(chǔ)上提出了SSAR-ALASSO法,該法的核心在于懲罰函數(shù)的選擇和目標(biāo)函數(shù)的構(gòu)建。SSAR-ALASSO在變量和參數(shù)的對應(yīng)關(guān)系、懲罰函數(shù)的選擇、特殊參數(shù)的取值區(qū)間以及適用模型等方面與ALASSO存在差異。模擬結(jié)果顯示,SSAR-ALASSO法在變量選擇的準(zhǔn)確性和參數(shù)估計的精度兩方面均表現(xiàn)良好,隨著樣本容量的增加表現(xiàn)效果更佳。本文在碳排放量影響因素實證中采用SSAR-ALASSO法對STIRPAT模型進行變量選擇。研究結(jié)果表明人均財富、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、所有制結(jié)構(gòu)和產(chǎn)業(yè)集聚顯著影響碳排放量,城市化、對外開放、能源價格和環(huán)境政策對碳排放量無顯著影響。
[Abstract]:Variable selection is helpful to simplify the model and improve the accuracy of estimation and prediction, but there are few researches on variable selection in panel semi-parametric space autoregressive model.On the basis of ALASSO, the SSAR-ALASSO method is proposed in this paper. The core of the method is the choice of penalty function and the construction of objective function. The corresponding relation between variables and parameters, the choice of penalty function, and the choice of penalty function are presented in SSAR-ALASSO.The value range and applicable model of special parameters are different from ALASSO.The simulation results show that the SSAR-ALASSO method performs well in both the accuracy of variable selection and the accuracy of parameter estimation, and the performance is better with the increase of sample size.In this paper, the SSAR-ALASSO method is used to select the variables of the STIRPAT model in the empirical analysis of the influencing factors of carbon emissions.The results show that per capita wealth, technological level, industrial structure, ownership structure and industrial agglomeration significantly affect carbon emissions, urbanization, opening to the outside world, energy prices and environmental policies have no significant impact on carbon emissions.
【作者單位】： 中山大學(xué)嶺南學(xué)院;暨南大學(xué)經(jīng)濟學(xué)院;
【基金】：國家哲學(xué)社會科學(xué)基金重點項目(15ATJ001,15AJL005)的資助
【分類號】：O212.1

【相似文獻】

相關(guān)期刊論文 前10條

1 戴伯新;;回歸變量選擇中的數(shù)據(jù)診斷[J];應(yīng)用概率統(tǒng)計;1992年04期

2 楊麗霞;魏立力;;基于粗糙集方法的有序尺度變量選擇[J];寧夏大學(xué)學(xué)報(自然科學(xué)版);2009年02期

3 趙宇;黃思明;;帶有變量選擇過程的分類模型誤差分析[J];數(shù)學(xué)的實踐與認(rèn)識;2010年17期

4 樊亞莉;徐群芳;;穩(wěn)健的變量選擇方法及其應(yīng)用[J];上海理工大學(xué)學(xué)報;2013年03期

5 陶靖軒;多元分析中的變量選擇問題研究[J];中國計量學(xué)院學(xué)報;2001年01期

6 李樹軍,紀(jì)宏金;對應(yīng)聚類分析與變量選擇[J];地球物理學(xué)進展;2005年03期

7 陳黎明;趙永紅;;轉(zhuǎn)換函數(shù)未知時轉(zhuǎn)換模型的變量選擇[J];四川大學(xué)學(xué)報(自然科學(xué)版);2011年05期

8 劉民千,張潤楚;超飽和設(shè)計的變量選擇[J];南開大學(xué)學(xué)報(自然科學(xué)版);2000年03期

9 王進;;聚類分析中的距離與變量選擇[J];山西財經(jīng)大學(xué)學(xué)報;2007年S1期

10 張波;方國斌;;高維面板數(shù)據(jù)降維與變量選擇方法研究[J];統(tǒng)計與信息論壇;2012年06期

相關(guān)會議論文 前1條

1 張俊華;方偉武;;調(diào)查表分析中變量選擇的一些方法(英文)[A];中國運籌學(xué)會第六屆學(xué)術(shù)交流會論文集（下卷）[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 呂晶;幾類半?yún)?shù)回歸模型的穩(wěn)健估計與變量選擇[D];重慶大學(xué);2015年

2 王康寧;幾類高維復(fù)雜數(shù)據(jù)半?yún)?shù)模型的結(jié)構(gòu)識別、變量選擇及穩(wěn)健估計[D];山東大學(xué);2016年

3 王大榮;分散度量模型中的變量選擇[D];北京工業(yè)大學(xué);2009年

4 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問題研究[D];大連理工大學(xué);2012年

5 劉吉彩;生存數(shù)據(jù)統(tǒng)計模型的變量選擇方法[D];華東師范大學(xué);2014年

6 樊亞莉;穩(wěn)健變量選擇方法的若干問題研究[D];復(fù)旦大學(xué);2013年

7 董瑩;高維共線性統(tǒng)計模型的參數(shù)估計與變量選擇[D];大連理工大學(xué);2014年

8 葉飛;相對誤差準(zhǔn)則下的估計理論和變量選擇方法的研究[D];清華大學(xué);2013年

9 袁晶;貝葉斯方法在變量選擇問題中的應(yīng)用[D];山東大學(xué);2013年

10 王樹云;基于Bayes方法和圖限制下正規(guī)化方法的變量選擇問題及其在基因組數(shù)據(jù)中的應(yīng)用[D];山東大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 鄧秋玲;SCAD和ADS方法在比例風(fēng)險模型中的應(yīng)用[D];廣西大學(xué);2015年

2 韋新星;幾種變量選擇方法在Cox模型中的應(yīng)用[D];廣西大學(xué);2015年

3 王唯;部分線性模型的變量選擇問題研究[D];湘潭大學(xué);2015年

4 潘玉婷;含多元非線性結(jié)構(gòu)的高維Logistic模型的同時變量選擇及半?yún)?shù)估計[D];中國科學(xué)技術(shù)大學(xué);2016年

5 劉丹;Cox模型及變系數(shù)Cox模型中的變量選擇問題研究[D];暨南大學(xué);2016年

6 閆湛;混料試驗設(shè)計變量選擇的Cp方法研究[D];廣州大學(xué);2016年

7 黃亞慧;偏t正態(tài)數(shù)據(jù)下基于最小一乘的回歸估計和變量選擇[D];重慶大學(xué);2016年

8 王婉秋;基于低秩模型基因—環(huán)境交互作用的貝葉斯變量選擇方法[D];東北師范大學(xué);2016年

9 徐梅花;分類中的變量選擇方法及應(yīng)用[D];華中科技大學(xué);2015年

10 李翠平;乘積回歸模型的變量選擇研究[D];河南大學(xué);2016年

，

本文編號：1734788