单指标分位回归模型估计的MM算法

单指标分位回归模型是一类重要的半参数模型,具有降维的优点的同时保留了非参数分位回归模型的稳健性。但现有的单指标分位回归模型的估计程序大部分都是通过内点法来实现。对单指标分位回归模型估计程序的MM(majorize-minimize)算法进行研究。首先找到目标函数的优化函数,然后通过最小化优化函数来得到估计,再逐步迭代至收敛。数值模拟和实证研究表明MM算法在单指标分位回归模型的估计中具有较好的稳定性,能够得到比较准确的估计结果,且相比于内点法,计算效率更高,耗时更短。