论文研究 - 基于不对称拉普拉斯分布的贝叶斯正则化分位数回归分析

近年来，基于惩罚似然法的变量选择引起了人们的广泛关注。 基于非对称拉普拉斯分布的吉布斯采样算法，本文从贝叶斯的角度考虑了自适应拉索和拉索罚分的分位数回归。 在非贝叶斯和贝叶斯框架下，针对具有不同分布和异方差的误差项，系统比较了几种正则化分位数回归方法。 在不对称拉普拉斯分布的误差项下，统计仿真结果表明，贝叶斯正则化分位数回归在所有分位数上均优于其他分布。 并且基于非对称拉普拉斯分布，贝叶斯正则化分位数回归方法在参数估计和预测方面要比非贝叶斯方法更好。 通过实际数据分析，我们也证实了以上结论。