在近几年研究中,面板数据被广泛地应用到生活的各个领域.变量选择是在统计过程建立模型中是致关重要的问题,但利用传统的逐步回归结合信息准则的方法存在一些不足.1996年Tibshirani.R针对这一问题提出了一种称之为Lasso的变量选择方法,该方法能够克服传统方法中的不足,但Lasso方法在理论方面也存在一些不足.因此,在2005年Zou和Hastie提出了一种改进的方法,被称之为弹性网(Elastic net).本文叙述了基于弹性网的面板数据的分位数回归方法,并利用该方法进行了实证研究.首先,综述了基于面板数据模型对Lasso,弹性网等方法进行了系统比较研究,表明了两者之间的联系;之后,分析研究了在面板数据模型下的分位数回归模型的弹性网方法,紧接着利用模拟数据对弹性网方法进行分析对比研究;最后,利用弹性网的分位数回归对碳排放实际数据进行实证分析.本文的研究框架是:第一章为绪论部分.简述了课题的研究背景与意义,对课题到目前的研究进行概述,对本文的研究的主要工作进行说明.第二章是对相关知识的理论阐述,一方面对面板数据以及平衡面板数据模型进行理论简介,另一方面又介绍了模型评价准则.第三章研究了基于面板数据线性模型的岭回归、Lasso以及Elastic net变量选择方法,对理论进行详细介绍.第四章研究了在面板数据分位数模型下的弹性网方法,通过定理表明其有组效应性质.第五章在理论基础上,进行数值模拟,进一步验证方法的可行性.第六章应用碳排放数据对实例进行分析.最后一章节是对本文的总结与展望.