请教：小样本回归

19583

收藏 2010-10-12

由于数据的可获得性，需对一个小样本（样本数低于30，截面数据.自变量2个）回归分析。众所周知，一涉及到小样本，大家对回归结果的精确度都会有所质疑。
所以，我想请教的是：
1.                                        1.如何较好地处理小样本，有没有较好的适用于小样本回归的方法？
2.                                     2.（假设）如果用OLS等一般方法回归后，判断其拟合程度、回归结果的精确度好坏、高低的检验指标与大样本相比
            是否有些特殊？主要看那几个？
3.                                     3.请推荐几项关于小样本回归分析的参考资料。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

yumingchao

2010-10-16 22:29:46

小样本回归，按照格林的书上所说，最小绝对离差（LAD）估计量结合bootstrap方法，更有优势。因为OLS对距离回归线较远的点大的权重。
LAD回归是分位数回归的特殊情况，估计的是中位数。在stata里qreg命令默认的就是，后缀reps(#)控制抽样次数。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ldh921122

2010-10-16 22:49:58

2楼的学长。非常感谢！
与你的回答相关的、这一方面的具体资料有吗？看了你的回答，还是有些不知南北。
感谢先！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

贝叶斯高手

2010-10-16 23:18:22

小样本来说用bootstrap（一般翻译为“自举”）方法比较好，但是我真的不太相信这种方法，虽然从理论上严格证明是可行的 2L所说的方法，我也蛮感兴趣的，我也去学习下，带点惩罚权重的，我比较喜欢

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ldh921122

2010-10-16 23:32:07

2L,是“两阶段最小二乘法”吗？
它比较适合小样本回归？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yumingchao

2010-10-16 23:49:13

可能是我没说清楚。
OLS是最小化残差的平方和，LAD是最小化残差绝对值之和。和OLS最大的不同就是在样本较小的时候，OLS估计很容易受稍微异常一点观察值的影响，LAD要好一些。
估计方法很容易实现，stata里属于qreg目录下，qreg y x1 x2就可以了。
bootstrap是获得更加稳健的标准误，如：bsqreg y x1 x2 ,reps(1000)