近日，由团队蒲丹助理教授和兰伟教授、西南财经大学金融学院博士生史皓铭、加州大学戴维斯分校蔡知令教授合作完成的论文“Graph-based multisample comparison with application to feature selection for multi-category responses”被计量经济学国际顶级学术期刊《Journal of Econometrics》正式接收。    

     内容简介                

多样本分布比较是统计学与计量经济学中的基础问题，广泛应用于多源数据整合、模型预测评价和特征选择等领域。以企业信用评级为例，通过比较不同评级类别下财务指标的分布，可以识别与信用评级密切相关的企业特征。然而，部分指标仅在少数评级类别之间存在明显的分布差异，而在其余类别中的分布较为接近，由此形成稀疏备择情形。现有多样本检验大多通过汇总各组差异构造平方和型统计量，当分布差异仅集中于少数组别时，其检验功效可能不足。因此，构建能够有效识别稀疏分布差异的检验方法，不仅有助于准确刻画不同群体之间的分布异质性，也能为多类别响应变量的特征选择提供支持。    

针对上述问题，本文提出基于图的最大成对差异检验方法（MPD）。该方法首先合并各组样本，根据观测之间的距离构建相似性图，随后计算每个观测与本组及其他组观测的连接概率，并对连接概率之差进行标准化，以其平方的最大值构造检验统计量。当各组样本来自相同分布时，组内与组间的连接概率应较为接近；当部分组别的分布存在差异时，两类连接概率的差异则为识别分布异质性提供依据。通过采用最大值型统计量，所提方法能够突出少数组别的差异信号，从而提高稀疏备择情形下的检验功效。该方法无需预设具体的分布形式，只要能够适当定义观测间的距离并构建相似性图，即可应用于多元数据及非欧氏数据。针对连接概率差异之间的复杂相关性，本文在相应条件下建立了检验统计量在原假设下的渐近分布，并证明了检验的一致性。    

本文通过数值模拟考察所提方法的有限样本表现。结果表明，MPD检验能够较好地控制第一类错误概率，在稀疏备择情形下相较于所比较的方法具有较高的检验功效，并在所考察的非稀疏备择情形下保持良好表现。在实证分析中，本文基于2022年纽约证券交易所258家上市公司的信用评级数据，将企业划分为五个评级组，并将MPD检验应用于已有的层次化特征选择算法，筛选与信用评级相关的重要财务指标。该方法共识别出18项指标，涉及企业规模、盈利能力、杠杆水平和市场估值等方面。其中，市销率等指标的分布差异主要集中于少数评级类别，部分对比方法未能将其选出，而MPD方法能够有效识别此类特征，体现了其在识别局部分布差异及多类别响应变量特征选择中的应用价值。    

     作者简介                

蒲丹，西南财经大学数据科学与商业智能联合实验室助理教授，主要从事网络数据分析、空间计量经济学等领域的研究。    

史皓铭，西南财经大学金融学院博士研究生，主要从事绿色金融、环境金融等领域的研究。    

兰伟，西南财经大学统计与数据科学学院教授，主要从事高维数据分析与建模、大型社交网络数据分析、风险管理和投资组合优化、消费金融反欺诈等领域的研究。    

蔡知令，加州大学戴维斯分校杰出教授，主要从事高维数据分析、回归分析、时间序列分析和商务统计分析等领域的研究。    

下载原论文：

Graph-based multisample comparison with application to feature selection for multi-category responses.pdf