通过现代优化视角对含潜在内生异常值的回归模型进行鲁棒估计
计量经济学
2024-08-08 v1
摘要
本文研究了在存在潜在内生异常值的情况下线性回归模型的鲁棒估计问题。通过蒙特卡洛模拟，我们证明了现有的 L1 正则化估计方法（包括 Huber 估计量和最小绝对偏差 (LAD) 估计量）在异常值为内生时表现出显著偏差。基于这一发现，我们研究了 L0 正则化估计方法。我们提出了系统的启发式算法，特别是迭代硬阈值算法和局部组合搜索精化方法，以高效求解 L0 正则化估计的组合优化问题。我们的蒙特卡洛模拟得出两个关键结果：(i) 局部组合搜索算法相比初始基于投影的硬阈值算法显著提高了解的质量，同时在计算效率上优于直接求解混合整数优化问题。(ii) L0 正则化估计量在偏差降低、估计精度和样本外预测误差方面优于 L1 正则化替代方法。我们通过股票收益预测的经验应用展示了本方法的实际价值。
引用
@article{arxiv.2408.03930,
title = {Robust Estimation of Regression Models with Potentially Endogenous Outliers via a Modern Optimization Lens},
author = {Zhan Gao and Hyungsik Roger Moon},
journal= {arXiv preprint arXiv:2408.03930},
year = {2024}
}