面板数据中阈值以上峰值的建模：两层分组面板广义帕累托回归
统计方法学
2025-09-19 v1
摘要
面板数据在广泛的应用领域中出现，发展针对此类数据中极值建模方法对于可靠的风险评估和管理至关重要。在选择对单变量极值边缘分布进行建模时，可能需要在捕捉边缘间异质性的灵活性与估计效率之间进行权衡。这可以通过结合回归技术并假设基于参数值的潜组结构来实现，该组结构需从数据中估计。基于现有方法，我们提出一种两层分组面板广义帕累托回归框架，用于面板数据中的峰值超过阈值建模。虽然保留了原建模策略的广泛适用性（该策略基本上不依赖领域知识），但我们的新方法更充分地利用极端事件的信息，允许探索更广阔的模型空间，在精炼性和良好模型拟合之间实现同步。我们也解决了与高维优化和组结构识别相关的若干估计挑战。通过仿真研究仔细评估了方法的有限样本性能。在对上丁格河上游 31 个站点的夏季河流流量数据进行应用后，我们表明该方法能够有效提高估计效率，同时发现可被域知识驱动的区域化和现有方法所遗漏的尾部行为模式。
引用
@article{arxiv.2509.15023,
title = {Modelling peaks over thresholds in panel data: a two-level grouped panel generalized Pareto regression},
author = {Zefan Liu and Natalia Nolde},
journal= {arXiv preprint arXiv:2509.15023},
year = {2025}
}