简介:目前有关重尾或偏态数据的统计分析和理论模型相对较少,基于传统的Laplace分布,提出一种处理偏态和重尾数据的新模型---斜Laplace分布,以研究其参数估计方法。利用数理统计知识推导出该分布与一些常见分布(如正态分布、指数分布)间的统计关系,并给出一种可通过设置不同参数值得到不同分布的Levy偏稳定分布及其稳定性。
简介:如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。