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

1、變量選擇是多元線性統(tǒng)計模型建立過程中一個很重要的環(huán)節(jié),基于不同的需求,可以通過構(gòu)建不同的約束來進(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。主要思想是對經(jīng)典的最小二乘問題加上絕對值約束,構(gòu)建變量選擇問題,然后運用拉格朗日乘子法,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的約束條件對解的要求對LARS的迭代過程加以修正來得到符合要求的解。在此基礎(chǔ)上,我們用該算法對國內(nèi)生產(chǎn)總值(GDP)建立了一個估計模型,并對經(jīng)濟(jì)指標(biāo)進(jìn)行分析,得到對國內(nèi)生產(chǎn)總值影響較大的因子以及與此對應(yīng)的估計式,并對2011年GDP的增長率做了預(yù)測。為了考察樣本大小對算法精準(zhǔn)度的影響,本文又采用小樣本模型對GDP進(jìn)行了估計,并對兩種情況進(jìn)行了比較,進(jìn)一步說明了大樣本對估計精