面板數據模型的懲罰似然變量選擇方法研究

摘要： 本文針對面板數據模型的懲罰似然變量選擇問題,比較研究了Lasso、Adaptive Lasso、Bridge和SCAD四種罰函數的漸近性質。模擬結果驗證了在面板數據情況下,Adaptive Lasso、Bridge和SCAD的Oracle性質同樣成立,且它們在變量選擇準確性、參數估計精度和模型預測精度三方面的效果都優(yōu)于Lasso。為了合理選取調整參數,本文考慮AIC、BIC、GCV、Cp四種準則,通過模擬顯示BIC和GCV的表現(xiàn)通常要優(yōu)于AIC和Cp。作為實證研究,本文在面板數據框架下應用懲罰似然方法對上市公司市盈率影響因素進行選擇,以期對股市投資者做出理性投資決策有一定指導價值。 （共7頁）