基于交叉验证的面板模型分组数一致性选择
统计方法学
2025-05-19 v3
摘要
分组数选择是分组面板数据建模的关键问题。本文中,我们发展了一种交叉验证(CV)方法来解决该问题。具体而言,我们在时间跨度上将面板数据划分为两个数据折,并保持个体的分组结构。我们首先在一个数据折上估计分组归属与参数,然后将估计值代入并利用另一数据折来评估所设计的准则。随后,通过对所有数据折上的平均准则取最小化来估计分组数。与现有方法相比,所提出的CV方法有两个优点。第一,该方法完全数据驱动,因此不涉及进一步的调谐参数。第二,该方法可灵活应用于广泛的面板数据模型。在理论上,我们利用估计算法的优化性质建立了估计的一致性。我们通过多种合成数据集与面板模型进行实验,进一步说明了所提方法的优势。最后,该CV方法被用于通过金融危机分析中国股市中股票波动率的异质模式。
引用
@article{arxiv.2209.05474,
title = {Consistent Selection of the Number of Groups in Panel Models via Cross-Validation},
author = {Zhe Li and Xuening Zhu and Changliang Zou},
journal= {arXiv preprint arXiv:2209.05474},
year = {2025}
}