刘,于;庄小阳 具有固定效应的半参数空间自回归面板数据模型的收缩估计。 (英语) Zbl 1502.62090号 统计概率。莱特。 194,文章ID 109746,8 p.(2023). 摘要:在本文中,我们为具有固定效应的半参数空间自回归面板数据模型开发了收缩估计量。证明了它的渐近性和预言性,并研究了它的有限样本性能。并用一个实际数据对该方法进行了验证。 MSC公司: 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62G08号 非参数回归和分位数回归 62J07型 岭回归;收缩估计器(拉索) 2012年12月62日 参数估计量的渐近性质 62立方米 空间过程推断 关键词:收缩,收缩;半参数模型;空间自回归;面板数据 PDF格式BibTeX公司 XML格式引用 \textit{Y.Liu}和\textit{X.Zhuang},Stat.Probab。莱特。194,文章ID 109746,8 p.(2023;Zbl 1502.62090) 全文: 内政部 参考文献: [1] 艾,C。;Zhang,Y.,具有固定效应的部分指定空间面板数据模型的估计,《计量经济学评论》,36,1-3,6-22(2017)·Zbl 1524.62561号 [2] Case,A.C.,《家庭需求的空间模式》,《计量经济学》,953-965(1991) [3] 陈,J。;Cheng,S.,部分线性可加空间误差模型的GMM估计,数学,9,6,622(2021) [4] 陈,J。;Sun,L.,具有随机效应的变系数空间自回归面板模型的估计,统计学。Res.,34,5,118-128(2017),中文 [5] Cheng,S。;陈杰,部分线性单指标空间自回归模型的估计,统计学。论文,62,1495-531(2021)·Zbl 1477.62236号 [6] Cheng,S。;陈,J。;Liu,X.,部分线性单指标空间自回归模型的GMM估计,Spat。Stat.,31,第100354条pp.(2019) [7] 范,J。;Li,R.,通过非冲突惩罚似然进行变量选择及其预言性质,J.Amer。统计师。协会,96,456,1348-1360(2001)·Zbl 1073.62547号 [8] 方,F。;赵,J。;艾哈迈德,S.E。;Qu,A.,利用信息子样本进行变量选择和统计推断的弱信号辅助程序,生物统计学,996-2010(2021)·Zbl 1520.62191号 [9] 高,X。;艾哈迈德,S。;Feng,Y.,用于高维数据分析的选择后收缩估计,Appl。斯托奇。模型总线。印度,33,2,97-120(2017)·Zbl 1411.62200号 [10] 李毅。;Hong,H.G。;艾哈迈德,S.E。;Li,Y.,《高维回归中的弱信号:检测、估计和预测》,应用。斯托奇。模型总线。印度,35,2,283-298(2019)·Zbl 1436.62341号 [11] 刘,X。;陈,J。;Cheng,S.,空间自回归模型中变量选择的惩罚拟最大似然方法,Spat。统计,25,86-104(2018) [12] 罗,G。;Wu,M.,具有发散参数数的半参数变系数空间自回归模型的变量选择,Comm.Statist。理论方法,50,9,2062-2079(2021)·Zbl 07530953号 [13] Su,L.,空间自回归模型的半参数GMM估计,《计量经济学杂志》,167,2,543-560(2012)·Zbl 1441.62877号 [14] 苏,L。;Jin,S.,部分线性空间自回归模型的剖面拟最大似然估计,《计量经济学杂志》,157,1,18-33(2010)·Zbl 1431.62420号 [15] Tibshirani,R.,《通过套索进行回归收缩和选择》,J.R.Stat.Soc.Ser。B统计方法。,58, 1, 267-288 (1996) ·Zbl 0850.62538号 [16] Wu,Y。;Sun,Y.,具有空间相互作用的线性模型的收缩估计,Metrika,80,1,51-68(2017)·Zbl 1358.62063号 [17] 谢涛。;曹,R。;Du,J.,带发散参数的空间自回归模型的变量选择,统计学。论文,61,3,1125-1145(2020)·Zbl 1443.62110号 [18] Zhang,Y。;Sun,Y.,具有固定效应的部分指定动态空间面板数据模型的估计,Reg.Sci。城市经济。,51, 37-46 (2015) [19] Zou,H.,《自适应套索及其预言属性》,J.Amer。统计师。协会,101,476,1418-1429(2006)·Zbl 1171.62326号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。