王,吴;朱忠义 高维面板数据模型的组结构检测。 (英语。法语摘要) Zbl 07759488号 可以。J.统计。 50,编号3,852-866(2022)。 摘要:本文研究了高维面板数据模型中的潜在群体结构。假设受试者被分为未观察组,其中每个受试者的固定效应在组内相同,但在不同组间不同。提出了一种惩罚回归方法来同时识别潜在的群结构和显著的协变量。提出了一种优化目标函数的新算法。当样本量达到无穷大时,表明所提出的估计器恢复了潜在的群结构和重要的协变,概率接近1。该估计器的有限样本性能通过蒙特卡罗研究进行了评估,并使用实际数据集进行了说明。{©2021加拿大统计学会} MSC公司: 62至XX 统计 关键词:面板数据;惩罚估计量;亚组分析;超高维数据 软件:格尔姆奈特 PDF格式BibTeX公司 XML格式引用 \textit{W.Wang}和\textit{Z.Zhu},Can。J.Stat.50,No.3,852--866(2022;Zbl 07759488) 全文: 内政部 参考文献: [1] Acemoglu,D.&Johnson,S.(2007年)。疾病与发展:预期寿命对经济增长的影响。《政治经济学杂志》,115925-985。 [2] Baltagi,B.(2008)。面板数据的计量经济学分析。约翰·威利父子公司,纽约。 [3] Bester,C.A.和Hansen,C.B.(2016年)。固定效应模型中的分组效应估值器。《计量经济学杂志》,190197-208·Zbl 1419.62501号 [4] Bonhome,S.&Manresa,E.(2015)。面板数据中异质性的分组模式。《计量经济学》,第83期,第1147-1184页·Zbl 1410.62100号 [5] Boyd,S.、Parikh,N.、Chu,E.、Peleato,B.和Eckstein,J.(2011年)。通过交替方向乘数法进行分布式优化和统计学习。机器学习的基础和趋势,3,1-122·Zbl 1229.90122号 [6] Breheny,P.和Huang,J.(2011)。非凸惩罚回归的坐标下降算法及其在生物特征选择中的应用。应用统计年鉴,5232-253·Zbl 1220.62095号 [7] Fan,J.和Li,R.(2001年)。通过非冲突惩罚似然及其oracle属性进行变量选择。美国统计协会杂志,96,1348-1360·Zbl 1073.62547号 [8] Feenstra,R.C.、Inklaar,R.和Timmer,M.P.(2015)。宾夕法尼亚大学下一代世界乒乓球大赛。《美国经济评论》,105,3150-3182。 [9] Friedman,J.、Hastie,T.和Tibshirani,R.(2007年)。路径坐标优化。应用统计年鉴,1,302-332·Zbl 1378.90064号 [10] Friedman,J.、Hastie,T.和Tibshirani,R.(2010)。广义线性模型的坐标下降正则化路径。《统计软件杂志》,33,1-22。 [11] Guo,C.&Li,J.(2020年)。半参数因子模型中的同质性和结构识别。《商业与经济统计杂志》,1-15。 [12] Hahn,J.和Moon,H.R.(2010年)。多重均衡数有限的面板数据模型。计量经济学理论,26863-881·Zbl 1193.91082号 [13] Hansen,C.B.(2007年)。T较大时面板数据稳健方差矩阵估计的渐近性质。计量经济学杂志,141597-620·Zbl 1418.62461号 [14] Kaul,A.(2014)。具有长记忆回归错误的套索。《统计规划与推断杂志》,153,11-26·Zbl 1365.62279号 [15] Ke,Y.,Li,J.,&Zhang,W.(2016)。面板数据分析中的结构识别。《统计年鉴》,44,1193-1233·Zbl 1341.62214号 [16] Kim,Y.、Choi,H.和Oh,H.‐S。(2008). 在高维度上平滑剪裁绝对偏差。美国统计协会杂志,1031665-1673·Zbl 1286.62062号 [17] Li,J.&Jin,B.(2018年)。多阈值加速失效时间模型。《统计年鉴》,46,2657-2682·Zbl 1410.62125号 [18] Li,J.、Yue,M.和Zhang,W.(2019年)。通过对密集纵向/空间数据的同质性追踪进行子组识别。医学统计学,38,3256-3271。 [19] Liu,R.,Shang,Z.,Zhang,Y.,&Zhou,Q.(2020年)。具有过指定组数的面板模型中的识别和估计。《计量经济学杂志》,215574-590·Zbl 1456.62296号 [20] Lu,X.和Su,L.(2017)。确定潜在小组结构中的群体数量,并应用于收入和民主。数量经济学,8729-760·Zbl 1398.62371号 [21] Ma,S.&Huang,J.2016年。通过凹面融合评估亚组特异性治疗效果,arXiv预印本arXiv:1607.03717。 [22] Ma,S.和Huang,J.(2017)。用于子群分析的凹成对融合方法。美国统计协会杂志,112,410-423。 [23] Rand,W.M.(1971)。评价聚类方法的客观标准。美国统计协会杂志,66846-850。 [24] Su,L.,Shi,Z.,&Phillips,P.C.(2016)。识别面板数据中的潜在结构。《计量经济学》,84,2215-2264·Zbl 1410.62110号 [25] Tibshirani,R.J.和Taylor,J.(2011)。广义套索的解路径。《统计年鉴》,391335-1371·Zbl 1234.62107号 [26] Tibshirani,R.、Saunders,M.、Rosset,S.、Zhu,J.和K.奈特(2005)。通过融合套索实现轻盈流畅。英国皇家统计学会杂志:B辑,67,91-108·Zbl 1060.62049号 [27] Wang,H.,Li,R.和Tsai,C.-L。(2007). 调整平滑剪裁绝对偏差方法的参数选择器。《生物统计学》,94553-568·Zbl 1135.62058号 [28] Wang,J.,Li,J.、Li,Y.和Wong,W.K.(2019a)。用于子组识别的基于模型的多阈值方法。医学统计学,382605-2631。 [29] Wang,L.,Wu,Y.,&Li,R.(2012)。分位数回归用于分析超高维异质性。美国统计协会杂志,107,214-222·Zbl 1328.62468号 [30] Wang,W.&Su,L.(2021)。识别非线性面板中的潜在群结构。《计量经济学杂志》,220,272-295·Zbl 1464.62522号 [31] Wang,Y.、Yin,W.和Zeng,J.(2019b)。非凸非光滑优化中ADMM的全局收敛性。科学计算杂志,78,29-63·Zbl 1462.65072号 [32] Wu,W.B.(2005)。非线性系统理论:从另一个角度看相关性。《美利坚合众国国家科学院院刊》,第102期,第14150-14154页·Zbl 1135.62075号 [33] Wu,W.‐B和Wu,Y.N.(2016)。具有相关误差的高维线性模型参数估计的性能界限。《电子统计杂志》,10352-379·Zbl 1333.62172号 [34] Zhang,C.‐H。(2010). 极小极大凹惩罚下的几乎无偏变量选择。《统计年鉴》,38894-942·Zbl 1183.62120号 [35] Zhang,Y.、Wang,H.J.和Zhu,Z.(2019)。基于分位数回归的面板数据聚类。《计量经济学杂志》,21354-67·Zbl 1456.62312号 [36] Zhu,Y.,Shen,X.,&Pan,W.(2013)。无向图上的同时分组追踪和特征选择。《美国统计协会杂志》,108713-725·Zbl 06195973号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。