Lasso回归操作指南, 数据, 程序和解读都有
凡是搞计量经济的，都关注这个号了
邮箱：econometrics666@sina.cn
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
1.回归方法深度剖析(OLS, RIDGE, ENET, LASSO, SCAD, MCP, QR）
LASSO 是 Robert Tibshirani 在1996年提出的一种压缩估计方法，全称Least Absolute Shrinkage and Selection Operator，它和岭回归很像，只是惩罚项有所变化。
其惩罚项可以写为：
可以看到，惩罚项由平方换成了绝对值。虽然绝对值是凸函数，函数在0点有唯一的最小值，但其在此点不可导。当某项的惩罚系数足够大时，那么它将无法进入模型（变量选择），只有那些回归系数非0的变量才会被选入模型。
与岭回归不同的是，LASSO 没有显式表达式，可以通过 LARS（Least Angle Regression）算法进行估计：
1. 设定初始值
2. 找到和响应变量 Y 相关性最大的预测变量
3. 在其与 Y 的相关性符号的方向上增大系数
4. 计算残差
5. 存在其他响应变量
6. 增大
7. 重复以上步骤直到没有更多的变量被选入模型
Stata16新增功能有哪些? 满满干货拿走不谢
Stata 16中提供了Lasso回归系列程序，咱们圈子还没有系统地对其进行讲解。鉴于此，今天，咱们引荐给各位学者下面两篇文章：《Lasso回归在Stata中实现》和《高维模型中使用Lasso推断》。里面都是分步骤的Lasso使用流程，既有数据又有代码还有对回归结果的解释，因此很适合在需要时对照着理解学习。
第一篇文章《Lasso回归在Stata中实现》的二维码如下，长按即可进入阅读页面，社群群友可以在社群下载参看。
第二篇文章《Lasso回归在Stata中实现》的二维码如下，长按即可进入阅读页面，社群群友可以在社群下载参看。
各位学者可以到社群探讨研习Machine learning在实证研究中的应用。
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
2年，计量经济圈公众号近1000篇文章，
Econometrics Circle
数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 | 夜间灯光 | 官员方言 | 微观数据 |
计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 |
数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |
干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 |
计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。