具有群组固定效应的函数型面板分位数回归模型

面板数据分析和函数型数据分析是统计学和计量经济学等领域中非常热门的研究问题.随着实际应用的复杂化,数据的类型变得越来越多样化.通常数据的同质性和异质性会同时存在,为了进行正确和有效的统计推断,对二者进行识别是非常有必要的,因此本文提出一类具有未知群组固定效应的函数型面板分位数回归模型.由于面板数据是时间序列数据与截面数据的综合,函数型数据具有无穷维特征,所以函数型面板数据分位数回归的计算会面临极大的挑战.为了处理此类大样本和高维度数据带来的计算复杂度,本文采用最新提出的卷积方法对目标函数进行光滑化处理,并且结合贝叶斯信息准则和聚合层次聚类算法来识别潜在群组结构.基于识别出的群组结构信息,本文创新性地提出了二元时变系数函数的有效估计,同时,本文证明了群组识别方法的相合性以及相应估计量的渐近正态性.最后,本文通过数值模拟结果与对江西省87个县的居民用电数据和基尼系数的分析,说明模型的合理性以及推断方法的有效性.