对于具有固定效应的给定面板数据分位数回归问题(参见下文),是否可以使lqmm()
输出与rqpd()
的输出完全匹配(或至少非常接近)?
请参阅下面的示例以及随后的结论/评论。我的结论是对的吗?
library(lqmm)
library(rqpd)
set.seed(10)
m <- 3
n <- 10
s <- as.factor(rep(1:n,rep(m,n)))
x <- exp(rnorm(n*m))
u <- x*rnorm(m*n) + (1-x)*rf(m*n,3,3)
a <- rep(rnorm(n),rep(m,n))
y <- rep(1:n,rep(m,n)) + u
# fit <- rqpd(y ~ x | s, panel(lambda = 5))
data1<-data.frame(y,x,s)
fit.lqmm<- lqmm(fixed=y~x , random=~1, group=s, iota=.5,nK=2000, type="normal", rule=1, covariance="pdIdent", data=data1)
coef(fit.lqmm)
ss1<-raneff.lqmm(fit.lqmm)
sig2<-cov.lqmm(fit.lqmm)
sig2
fit.rqpd <- rqpd(y ~ x | s, panel(lambda = 1/2*1/sig2,taus=.5, method="pfe", tauw=1))
coef(fit.rqpd)
# comparing estimated fixed effects
ss2<-coef(fit.rqpd)[3:length(coef(fit.rqpd))]
plot(as.matrix(ss1),as.numeric(ss2))
rqpd()
应与lqmm()
紧密匹配。我想它应该是lambda=1/(2 cov.lqmm)
时。正确?
rqpd
是基于固定lambda的L1正则化,而我认为(??)lqmm
是基于L2正则化但是对于特定的lambda而言结果来自Geraci和Bottai(2007)的程序。lqmm
的恰当使用至少取决于nK的良好(可能足够大)选择。lqmm()
因为这里系统地选择了惩罚参数,而在rqpd()
中需要提供它。但是,由于我无法将lqmm()
与rqpd
匹配为特定的lambda选项,因此我不确定我理解lqmm
正在做什么。