變量選擇中的LARS算法及其在國(guó)民經(jīng)濟(jì)中的應(yīng)用.pdf

1、變量選擇是多元線性統(tǒng)計(jì)模型建立過(guò)程中一個(gè)很重要的環(huán)節(jié),基于不同的需求,可以通過(guò)構(gòu)建不同的約束來(lái)進(jìn)行變量選擇。
　　 本文將要介紹的LARS-Lasso算法的主要目的是篩掉一些對(duì)因變量影響較小的變量,其主要包含了兩方面的內(nèi)容,一方面為變量選擇的Lasso方法,另一方面為最小角回歸(Least AngelRegression)算法。主要思想是對(duì)經(jīng)典的最小二乘問(wèn)題加上絕對(duì)值約束,構(gòu)建變量選擇問(wèn)題,然后運(yùn)用拉格朗日乘子法,將經(jīng)典的拉格朗

2、日乘子視為可以構(gòu)造的參量進(jìn)行LARS算法的迭代,再根據(jù)Lasso的約束條件對(duì)解的要求對(duì)LARS的迭代過(guò)程加以修正來(lái)得到符合要求的解。在此基礎(chǔ)上,我們用該算法對(duì)國(guó)內(nèi)生產(chǎn)總值(GDP)建立了一個(gè)估計(jì)模型,并對(duì)經(jīng)濟(jì)指標(biāo)進(jìn)行分析,得到對(duì)國(guó)內(nèi)生產(chǎn)總值影響較大的因子以及與此對(duì)應(yīng)的估計(jì)式,并對(duì)2011年GDP的增長(zhǎng)率做了預(yù)測(cè)。為了考察樣本大小對(duì)算法精準(zhǔn)度的影響,本文又采用小樣本模型對(duì)GDP進(jìn)行了估計(jì),并對(duì)兩種情況進(jìn)行了比較,進(jìn)一步說(shuō)明了大樣本對(duì)估計(jì)精