Constrained Regression for Interval-Valued Data
时间： 2014-07-11 02:14:00 作者： Gonzalez-Rivera, G.; Wei Lin
我院林蔚老师的论文“Constrained Regression for Interval-Valued Data”在经济学顶尖期刊 Journal of Business and Economic Statistics上发表(Gonzalez-Rivera, G.; Wei Lin. Constrained Regression for Interval-Valued Data. Journal of Business and Economic Statistics, Vol. 31, No. 4 (2013), 473—490. Doi: 10.1080/07350015.2013.818004.) 。
在大数据时代下，区间值数据作为一种新型数据形式在各个行业不断涌现，基于区间值数据的模型在经济金融领域存在着巨大的应用潜力与前景。但是，由于直接将传统的点值数据回归模型用在区间值数据可能出现反事实估计的缺点。在“Constrained Regression for Interval-Valued Data”一文中，作者提出了区间自回归(IAR)模型。该模型在对区间最大值和最小值建立经典的向量自回归(VAR)方程的基础上附加了可观测约束，并假设二维随机扰动向量服从二维正态分布。在模型估计中，可观测约束被转化为对扰动向量分布的线性截断约束，并由此构建一个修正的两步估计步骤一致地估计模型参数。
在大数据时代下，区间值数据作为一种新型数据形式在各个行业不断涌现，基于区间值数据的模型在经济金融领域存在着巨大的应用潜力与前景。但是，由于直接将传统的点值数据回归模型用在区间值数据可能出现反事实估计的缺点。在“Constrained Regression for Interval-Valued Data”一文中，作者提出了区间自回归(IAR)模型。该模型在对区间最大值和最小值建立经典的向量自回归(VAR)方程的基础上附加了可观测约束，并假设二维随机扰动向量服从二维正态分布。在模型估计中，可观测约束被转化为对扰动向量分布的线性截断约束，并由此构建一个修正的两步估计步骤一致地估计模型参数。
与之前的文献相比，论文提出的区间自回归(IAR)模型有两个显著的优点。 首先，由于区间自回归模型是以向量自回归模型为基础，其回归系数的设定更为一般化。其次，该论文所提出的估计方法将可观测约束转化为对扰动向量分布的线性截断约束，而不是系数约束，从而摆脱了复杂并且特殊的优化算法。
