高维数据选元：方法比较及其在纳税评估中的应用

作者：吴武清,汪成杰,蒋勇,陈敏

摘要：线性回归中当备选变元的个数（P）大于样本量（n），尤其当p〉〉n时，很多经典的统计推断可能失效。因此．高维数据分析技术的理论和实证探讨很有必要。本文讨论了高维数据分析面临的3种新问题．并介绍了SIS、LASSO等6种高维选元方法。模拟部分选用了5种评价准则比较了上述6种方法的选元效果，对比后发现p／n比率和选元效果是相关的：p／n比率较高时SIS的选元效果最好。而当p／n比率降低，特别是降低到p〈n的情形时，除平方根LASSO外的5种选元方法的选元效果趋近一致。在纳税评估中，行业细分一般会提高评估效果，但细分会使得备选变元的个数大于样本量．此时需要借助高维数据选元技术。本文使用SIS方法对某市13个细分行业的进项税额进行建模，研究结果表明SIS方法的选元效果显著。

发文机构：中国人民大学商学院 江苏省盐城市国税局 中国人民银行征信中心博士后科研工作站 中国科学院数学与系统科学研究院

关键词：高维数据降维选元方法SISLASSOhigh-dimensional data, dimensionality reduction, variable selection, SIS, LASSO

分类号： F812.42[经济管理—财政学]