4

对于具有固定效应的给定面板数据分位数回归问题（参见下面的示例），是否可以使lqmm()输出完全（或至少密切）匹配来自的输出rqpd()？

请参阅下面的示例和随后的结论/评论。我的结论正确吗？

library(lqmm)
library(rqpd)

set.seed(10)
     m <- 3
     n <- 10
     s <- as.factor(rep(1:n,rep(m,n)))
     x <- exp(rnorm(n*m))
     u <- x*rnorm(m*n) + (1-x)*rf(m*n,3,3)
     a <- rep(rnorm(n),rep(m,n))
     y <- rep(1:n,rep(m,n)) + u 
 #    fit <- rqpd(y ~ x | s, panel(lambda = 5))

data1<-data.frame(y,x,s)
fit.lqmm<- lqmm(fixed=y~x ,  random=~1, group=s, iota=.5,nK=2000, type="normal", rule=1, covariance="pdIdent", data=data1)
coef(fit.lqmm)
ss1<-raneff.lqmm(fit.lqmm)

sig2<-cov.lqmm(fit.lqmm)
sig2


fit.rqpd <- rqpd(y ~ x | s, panel(lambda = 1/2*1/sig2,taus=.5, method="pfe", tauw=1))
coef(fit.rqpd)

# comparing estimated fixed effects
ss2<-coef(fit.rqpd)[3:length(coef(fit.rqpd))]
plot(as.matrix(ss1),as.numeric(ss2))

结论/评论

  1. 我们期望对于 lambda 的特定选择，rqpd()应该紧密匹配lqmm()。我想应该是什么时候lambda=1/(2 cov.lqmm)。正确的？
    • 我说的是紧密匹配而不是精确匹配，因为rqpd它基于固定 lambda 的 L1 正则化，而我认为 (??)lqmm是基于 L2 正则化但针对由 Geraci 和 Bottai (2007) 中的程序产生的特定 lambda。
  2. 一开始，至少当nK 小时，即nK=7 时，这不会发生。但是随着 nK 增加到 100 或 1000，这两个过程“似乎”接近
  3. 因此，似乎适当使用lqmm至少取决于对 nK 的良好（也许足够大）选择。
  4. 我正在探索使用 ，lqmm()因为这里系统地选择了惩罚参数，而rqpd()需要提供它。但是，由于我无法匹配特定lqmm()的rqpdlambda 选择，我不确定我是否理解lqmm正在做什么。
4

0 回答 0