含顺序类别自变量的中位数惩罚回归及应用研究

摘要

中位数回归不对误差项分布做过强假设且对异常值不敏感,可以提高回归模型的稳健性。自适应LASSO进行变量选择时对自变量采用有差别的惩罚系数,避免了系数的过度压缩。对于含有顺序类别自变量数据进行回归建模时,考虑到此类自变量中伪分类的存在。构建了一种通过哑变量的线性变换,并结合自适应LASSO惩罚的中位数回归方法。该方法不仅能够进行变量选择得到稳健的估计结果还能进行伪分类的识别与融合。通过2个实际数据验证了该方法的可行性和有效性。