摘要：研究目标:解决随机效应分位回归模型中固定效应和随机效应系数同时估计和选择问题。研究方法:对固定效应和随机效应系数同时实施自适应Lasso惩罚,并为参数估计设计交替迭代算法。研究发现:新方法不仅对随机误差分布具有较强的稳健性,而且在不同稀疏度模型下均有着良好的表现,尤其是在高维情形时。研究创新:本文提出的方法在对模型中重要自变量进行选择的同时能够充分考虑随机效应的影响;交替迭代算法不仅有效解决了需要选择两个惩罚参数的困境,而且收敛速度快。研究价值:为实际工作者对面板数据和纵向数据的分析提供了有效的建模方法。

摘要：文章对含多重随机效应的纵向数据模型提出了两种新的惩罚分位回归法,通过对分位回归系数分别施加Lasso和自适应Lasso惩罚,两种方法能够对模型中的自变量进行自动选择。并设计了参数估计的交替迭代算法,讨论了最优惩罚参数选取方法。蒙特卡罗模拟结果显示,新方法不仅能对分位回归系数做出准确的估计和选择,而且对随机误差分布也具有较强的稳健性。

摘要：讨论回归系数估计的稳健性一直是回归分析中的一个热门话题.对于含随机效应的生长曲线模型,由于其响应变量观测之间不独立使得该问题的讨论异常困难,特别是当其设计矩阵非满秩时.本文不仅给出了当设计阵非满秩时广义最小二乘估计等于最佳线性无偏估计的充要条件,而且还在误差协差阵为任意正定阵的一般假设下给出了广义最小二乘估计与极大似然估计相等的充要条件.利用这些结论我们得到了在几种常见协差阵假定下广义最小二乘估计与极大似然估计相等的推论.文章最后还分别在设计阵满秩和非满秩情形下对所得理论结果进行了模拟演示.

摘要：随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差。文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩。通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法。通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题。计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择。

摘要：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。

摘要：本文通过析因试验设计,对影响烟支圆周稳定性的关键因子进行分析验证及确定,量化因子的影响程度及效应关系,并在此基础上对关键因子进行优化和生产跟踪验证,提高烟支圆周的稳定性。试验结果显示,ZJ17卷接机大压板位置、小压板位置、烟舌出口位置与烟支圆周标偏有明显的效应关系,当大压板位置调整在7.9mm、小压板位置调整在7.9mm、烟舌出口位置调整在6.8mm时,烟支圆周标偏可以控制在0.05mm左右。经过卷接机台的生产验证,实际烟支圆周标偏达到了0.053mm。