收藏本站
《数理统计与管理》 2019年01期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Spatial AIC准则的空间自回归模型变量选择研究

王周伟  陶志鹏  张元庆  
【摘要】:变量选择直接决定着空间计量经济模型的有效程度与实证研究结果。为有效解决空间自回归模型(即SAR模型)的变量选择问题,本文利用Kullback-Laible信息量最大化,把AIC准则运用到SAR模型构建,推导出Spatial AIC统计量,提出Spatial AIC准则。然后利用统计理论证明Spatial AIC准则选择SAR模型变量的渐近最优性;利用蒙特卡洛模拟方法,比较Spatial AIC准则、经典AIC准则和Lasso方法用于SAR模型变量选择的有限大样本性质;利用空间相关的沪深300成分股股票收益率数据,采用Spatial AIC准则和Lasso方法,分别构建股票收益率财务因素的空间自相关模型,实证比较其相对有效性。三种结果均表明Spatial AIC准则能够更好地解决SAR模型变量选择问题。

【参考文献】
中国期刊全文数据库 前5条
1 陈心洁;林鹏;邹国华;;线性混合效应模型的FIC选择准则[J];统计研究;2015年03期
2 方丽婷;;空间滞后模型的贝叶斯估计[J];统计研究;2014年05期
3 王大荣;张忠占;;线性回归模型中变量选择方法综述[J];数理统计与管理;2010年04期
4 王大荣;张忠占;;联合广义线性模型中的变量选择(英文)[J];应用概率统计;2009年03期
5 文海涛,倪晓萍;我国上市公司财务指标与股价相关性实证分析[J];数量经济技术经济研究;2003年11期
中国硕士学位论文全文数据库 前1条
1 张媛媛;我国创业板上市公司财务指标与股票收益率的关联性研究[D];华东政法大学;2016年
【共引文献】
中国期刊全文数据库 前10条
1 王小燕;谢邦昌;马双鸽;方匡南;;高维数据下群组变量选择的惩罚方法综述[J];数理统计与管理;2015年06期
2 刘志勇;;上市公司财务指标与股价波动的相关性分析——基于HLM模型的实证研究[J];中国物价;2015年11期
3 ZHANG Shangli;ZHANG Lili;QIU Kuanmin;LU Ying;CAI Baigen;;Variable Selection in Logistic Regression Model[J];Chinese Journal of Electronics;2015年04期
4 李毓;张春霞;王冠伟;;线性回归模型的Boosting变量选择方法[J];工程数学学报;2015年05期
5 李佳蓓;朱永忠;王明刚;;贝叶斯变量选择及模型平均的研究[J];统计与信息论坛;2015年08期
6 李娅南;胡北明;;基于回归模型旅游业对地方经济发展贡献研究——以贵州省为例[J];特区经济;2015年07期
7 胡毅;王珏;杨晓光;;基于面板Logit模型的银行客户贷款违约风险预警研究[J];系统工程理论与实践;2015年07期
8 徐登可;张忠占;;二项-泊松模型的变量选择[J];应用数学学报;2015年04期
9 邢伟;孙驰;邹琼琼;王燕庆;柳青峰;;基于平滑削边绝对偏离惩罚技术对大肠癌术前淋巴结转移因素的回顾性分析[J];上海交通大学学报(医学版);2015年04期
10 王子豪;吴刘仓;戴琳;;双重广义线性模型的经验似然推断[J];高校应用数学学报A辑;2015年01期
中国硕士学位论文全文数据库 前3条
1 鲜欣邑;不同行业上市公司会计信息与股票价格相关性的实证研究[D];成都理工大学;2018年
2 陈宋利;我国A股上市公司股票价格与财务信息关联性的实证研究[D];广东外语外贸大学;2017年
3 陶志鹏;空间计量模型变量选择方法及其应用[D];上海师范大学;2017年
【二级参考文献】
中国期刊全文数据库 前5条
1 王大荣;张忠占;;联合广义线性模型中的变量选择(英文)[J];应用概率统计;2009年03期
2 李东风;郑忠国;;最优线性回归的计算方法[J];数理统计与管理;2008年01期
3 王大荣;张忠占;;联合广义线性模型中的变量选择[J];统计研究;2007年04期
4 易晓文,任柏强,张一力;上市公司财务状况与其股票二级市场价格演变的关系[J];华东经济管理;2000年05期
5 岑成德;对各行业上市公司的统计分析[J];中山大学学报(社会科学版);1999年01期
中国硕士学位论文全文数据库 前5条
1 邹小霞;上市公司信息披露质量与股价信息含量的相关性研究[D];西南交通大学;2014年
2 金厚元;宏观经济变量对我国股价指数的影响研究[D];上海交通大学;2014年
3 励少丹;我国证券市场信息披露制度的演进及其对市场效率的影响[D];浙江大学;2013年
4 李欣雨;我国证券市场财务信息与股价相关性的实证研究[D];西南财经大学;2013年
5 周欣;我国不同行业上市公司会计信息与企业价值相关性实证研究[D];北京邮电大学;2013年
【相似文献】
中国期刊全文数据库 前10条
1 牟建波;刘赪;;基于惩罚方法的贝叶斯群组变量选择[J];绵阳师范学院学报;2017年02期
2 戴伯新;;回归变量选择中的数据诊断[J];应用概率统计;1992年04期
3 王银辉;徐文科;;基于风险函数评价自变量选择对预测的影响[J];哈尔滨师范大学自然科学学报;2012年01期
4 张庆;李云霞;;函数型变量选择法用于空气质量影响因素实证分析[J];安庆师范大学学报(自然科学版);2017年04期
5 李扬;许文甫;马双鸽;;污染数据的稳健稀疏成组变量选择方法研究[J];统计与信息论坛;2018年06期
6 徐安察;王玮明;;应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J];赤峰学院学报(自然科学版);2014年19期
7 钟先乐;樊亚莉;张探探;;基于t函数的稳健变量选择方法[J];上海理工大学学报;2017年06期
8 严奇琪;王延新;;高维部分线性小波模型中的变量选择[J];宁波工程学院学报;2018年02期
9 吴耀华;线性中位数回归中的变量选择[J];数学学报;1990年01期
10 李顺勇;钱宇华;张晓琴;牛建永;;基于变量选择和聚类分析的两阶段异方差模型估计[J];应用概率统计;2018年02期
中国重要会议论文全文数据库 前2条
1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集(下卷)[C];2000年
2 武新乾;田铮;田萍;;一类部分线性自回归模型中的样条估计[A];中国现场统计研究会第12届学术年会论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 王延新;高维模型的变量选择与稀疏正则化[D];武汉大学;2013年
2 李子林;高维基因数据中的统计方法[D];清华大学;2016年
3 王歆旸;几类整值时间序列模型的拟似然推断和变量选择问题[D];吉林大学;2017年
4 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年
5 姬永刚;分位数回归中的贝叶斯变量选择[D];东北师范大学;2012年
6 苏盈盈;基于核方法的非线性系统变量选择及其应用[D];重庆大学;2014年
7 袁裕泽;半参数模型和近单位根过程的统计推断[D];浙江大学;2011年
8 张旭利;门限整值自回归模型及相依风险模型的建模与推断[D];吉林大学;2016年
9 曹红艳;基于惩罚回归的纵向数据罕见变异关联分析[D];山西医科大学;2017年
10 项燕彪;高维数据的统计推断[D];浙江大学;2011年
中国硕士学位论文全文数据库 前10条
1 张栋陈;可加空间自回归模型的估计方法和变量选择方法的研究与应用[D];北京工业大学;2017年
2 耿莹;Random Lasso在Logistic模型中的应用研究[D];暨南大学;2018年
3 郝宽;Lasso及其改进方法在变量选择中的优劣性研究[D];哈尔滨工业大学;2018年
4 武杰;Logistic回归中的随机Lasso方法[D];北京建筑大学;2018年
5 屈亚蓉;两类半参数模型的众数回归与变量选择[D];兰州理工大学;2018年
6 何晓申;基于纵向生存数据模型的变量选择[D];兰州财经大学;2018年
7 祝根;稀疏高维常微分方程的估计和变量选择[D];华东师范大学;2018年
8 王皓天;超高维回归中变量选择问题的应用研究[D];暨南大学;2017年
9 陶志鹏;空间计量模型变量选择方法及其应用[D];上海师范大学;2017年
10 韦新星;几种变量选择方法在Cox模型中的应用[D];广西大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026