带有Elastic Net惩罚的贝叶斯分位数回归及其数值模拟

作者：刘亚新

来源：统计与决策, 2018, 34(18): 15-19.

DOI：10.13546/j.cnki.tjyjc.2018.18.003

• 分位数回归
• 变量选择
• 弹性网惩罚
• 贝叶斯估计

对于分位数回归中的变量选择问题,文章将Elastic Net惩罚与分位数回归相结合。对参数估计模型进行变形后,建立了贝叶斯分层模型,使各参数的全条件后验分布都是熟知的分布形式,可以采用Gibbs抽样产生收敛速度较快的马尔科夫链来估计回归系数。数值模拟结果表明,该方法在参数估计和预测方面均能达到良好的效果,与现有的四种变量选择方法相比具有较明显的优势。