多元线性回归模型中条件分位数的联合估计：以财务困境为例
统计方法学
2018-08-06 v1
摘要
本文提出一种最大似然方法，在线性回归框架下联合估计多元响应变量的边际条件分位数。我们考虑 Kotz 等人（2001）所提多元非对称拉普拉斯分布的一种轻微重参数化，并利用其位置-尺度混合表示来实现估计模型参数的新 EM 算法。其思想是将非对称拉普拉斯分布与熟知单变量分位数回归模型之间的联系扩展到多元情形，即涉及多元因变量时。该方法考虑了多个响应间的关联，并研究响应与解释变量间的关系如何随响应边际条件分布的不同分位数而变化。我们还给出了 EM 算法的惩罚版本以解决变量选择问题。在模拟研究中分析了方法的有效性，并提供证据表明相较单独单变量分位数回归估计，所提方法有效率增益。最后以真实数据应用研究意大利企业样本中财务困境的主要决定因素。
引用
@article{arxiv.1808.01240,
title = {Joint estimation of conditional quantiles in multivariate linear regression models. An application to financial distress},
author = {Lea Petrella and Valentina Raponi},
journal= {arXiv preprint arXiv:1808.01240},
year = {2018}
}