TY - JOUR T1 - Bayesian Quantile Regression with Adaptive Lasso Penalty for Dynamic Panel Data TT - رﮔﺮﺳﯿﻮن ﭼﻨﺪﮐﯽ ﺑﯿﺰی ﺑﺎ ﺗﺎوان ﻻﺳﻮ ﺳﺎزوار ﺑﺮای دادهﻫﺎی ﭘﺎﻧﻠﯽ ﭘﻮیﺎ JF - Andishe-_ye-Amari JO - Andishe-_ye-Amari VL - 21 IS - 2 UR - http://andisheyeamari.irstat.ir/article-1-368-fa.html Y1 - 2017 SP - 11 EP - 23 KW - ‎Adaptive Lasso penalty‎ KW - ‎Asymetrice Laplace distribution‎ KW - ‎Bayesian inference‎ KW - ‎Dynamic panel data‎ KW - ‎Gibbs sampling‎ KW - ‎Quantile regression‎. N2 - مدل‌های داده‌های پانلی پویا قسمت مهمی از مطالعات حوزه‌های پزشکی، اجتماعی و اقتصادی را شامل می‌شوند. ویژگی بارز این مدل‌ها وجود متغیر وابستۀ تأخیری به‌عنوان متغیر توصیفی است. مشکل برآورد در این مدل‌ها از همبستگی بین متغیر وابستۀ تأخیری و مؤلفۀ‌ خطای فعلی ناشی می‌شود. اخیراً رگرسیون چندکی تاوانیده برای تحلیل داده‌های پانلی پویا مورد توجه قرار گرفته است. در این مقاله نخست مدل رگرسیون چندکی با ایجاد تاوان لاسو سازوار روی اثر‌های تصادفی برای داده‌های پانلی پویا با فرض وابستگی اثر‌های تصادفی و مشاهدات اولیه ارائه می‌شود. همچنین این مدل با فرض استقلال بین اثر‌های تصادفی و مشاهدات اولیه نیز بررسی خواهد شد. هر دو مدل از دیدگاه آمار بیزی بیان شده، مورد تحلیل قرار می‌گیرند. چون در این دو روش، توزیع‌ پسین پارامترها به شکل بسته قابل حصول نیست، توزیع‌های پسین شرطی کامل پارامترها محاسبه و از الگوریتم نمونه‌گیری گیبز برای استنباط استفاده می‌شود. برای مقایسۀ کارایی روش‌های بیزی ارائه‌شده با روش‌های متداول، مطالعۀ شبیه‌سازی انجام شده و در پایان نیز روش استفاده از مدل‌ها در قالب مثال کاربردی شرح داده خواهد شد. M3 ER -