علی آقامحمدی - University of Zanjan
سکینه محمدی - University of Zanjan

مدل های داده های پانلی پویا قسمت مهمی از مطالعات حوزه های پزشکی، اجتماعی و اقتصادی را شامل می شوند. ویژگی بارز این مدل ها وجود متغیر وابسته تاخیری به عنوان متغیر توصیفی است. مشکل برآورد در این مدل ها از همبستگی بین متغیر وابسته تاخیری و مولفه خطای فعلی ناشی می شود. اخیرا رگرسیون چندکی تاوانیده برای تحلیل داده های پانلی پویا مورد توجه قرار گرفته است. در این مقاله نخست مدل رگرسیون چندکی با ایجاد تاوان لاسو سازوار روی اثر های تصادفی برای داده های پانلی پویا با فرض وابستگی اثر های تصادفی و مشاهدات اولیه ارائه می شود. همچنین این مدل با فرض استقلال بین اثر های تصادفی و مشاهدات اولیه نیز بررسی خواهد شد. هر دو مدل از دیدگاه آمار بیزی بیان شده، مورد تحلیل قرار می گیرند. چون در این دو روش، توزیع پسین پارامترها به شکل بسته قابل حصول نیست، توزیع های پسین شرطی کامل پارامترها محاسبه و از الگوریتم نمونه گیری گیبز برای استنباط استفاده می شود. برای مقایسه کارایی روش های بیزی ارائه شده با روش های متداول، مطالعه شبیه سازی انجام شده و در پایان نیز روش استفاده از مدل ها در قالب مثال کاربردی شرح داده خواهد شد.

‎Adaptive Lasso penalty‎, ‎Asymetrice Laplace distribution‎, ‎Bayesian inference‎, ‎Dynamic panel data‎, ‎Gibbs sampling‎, ‎Quantile regression‎., استنباط بیزی, تاوان لاسو سازوار, توزیع لاپلاس نامتقارن, داده های پانلی پویا, رگرسیون چندکی, نمونه گیری گیبز.