IDEAS主页打印自https://ideas.repec.org/a/eee/csdana/v184y2023ics0167947323000518.html
  我的参考书目  保存此文章

基于子抽样的广义线性模型变量选择

作者

上市的：
  • 玛丽娜·卡帕努
  • 米海·久尔卡努
  • 科林·贝格。
  • 米塔特·戈宁

摘要

介绍了一种新的低维广义线性模型变量选择方法。称为通过稳定性选择的AIC优化（OPT-STABS）的新方法反复对数据进行子样本化，在每个子样本的嵌套模型序列上最小化Akaike的信息准则（AIC），并在最终模型中包括大部分子样本中在最小AIC模型中选择的预测因子。还引入了新的方法来建立重复子样本的最优变量选择截止值。一项对各种拟议变量选择方法进行的广泛模拟研究表明，尽管在所有考虑的场景中，没有一种方法能够统一地优于其他方法，但OPT-STABS在大多数情况下始终是性能最好的方法之一，而在其他情况下，它的性能具有竞争力。这与其他候选方法形成对比，这些方法要么在总体上表现不佳，要么在某些环境下表现良好，但在其他环境下表现非常差。此外，还导出了OPT-STABS估计的渐近性质，证明了其根n相合性和渐近正态性。该方法应用于两个涉及逻辑回归和泊松回归的数据集。

建议引用

  • 卡帕努、马里内拉和朱尔卡努、米海和贝格、科林·B·哥宁、米塔特，2023年。"基于子抽样的广义线性模型变量选择,"计算统计与数据分析爱思唯尔，第184（C）卷。
    • 手柄：RePEc:eee:csdana:v:184:y:2023:i:c:s0167947323000518
    DOI:10.1016/j.csda.2023.107740
    作为

    从出版商下载全文

    文件URL: http://www.sciencedirect.com/science/article/pii/S0167947323000518
    下载限制：全文仅供ScienceDirect用户使用。
    文件URL: https://libkey.io/10.1016/j.csda.2023.107740？utm_source=ideas
    LibKey链接：如果访问受到限制，并且您的库使用此服务，LibKey会将您重定向到可以使用库订阅访问此项目的位置
    ---><---

    由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。

    IDEAS上列出的参考文献

    作为
    1. 邹慧，2006年。"自适应套索及其Oracle特性,"美国统计协会杂志，美国统计协会，第101卷，第1418-1429页，12月。
    2. Nicolai Meinshausen和Peter Bühlmann，2010年。"稳定性选择,"英国皇家统计学会学报B辑英国皇家统计学会，第72卷（4），第417-473页，9月。
    3. Rajen D.Shah和Richard J.Samworth，2013年。"误差控制变量选择：稳定性选择的另一种观点,"英国皇家统计学会学报B辑英国皇家统计学会，第75卷（1），第55-80页，1月。
    4. Friedman、Jerome H.和Hastie、Trevor和Tibshirani、Rob，2010年。"广义线性模型的坐标下降正则化路径,"统计软件杂志《开放获取统计基金会》，第33卷（i01）。
    5. Hui Zou和Trevor Hastie，2005年。"附录：通过弹性网的正则化和变量选择,"英国皇家统计学会学报B辑英国皇家统计学会，第67卷（5），第768-768页，11月。
    6. Hui Zou和Trevor Hastie，2005年。"通过弹性网进行正则化和变量选择,"英国皇家统计学会学报B辑英国皇家统计学会，第67卷（2），第301-320页，4月。
    7. Fan J.&Li R.，2001年。"基于非冲突惩罚似然的变量选择及其Oracle性质,"美国统计协会杂志，美国统计协会，第96卷，第1348-1360页，12月。
    8. Ming Yuan和Yi Lin，2006年。"分组变量回归中的模型选择与估计,"英国皇家统计学会学报B辑皇家统计学会，第68卷（1），第49-67页，2月。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. Loann David Denis Desboulets，2018年。"回归分析中变量选择的研究进展,"计量经济学，MDPI，第6卷（4），第1-27页，11月。
    2. Tutz，Gerhard&Pößnecker，Wolfgang&Uhlmann，Lorenz，2015年。"一般多项式logit模型中的变量选择,"计算统计与数据分析爱思唯尔，第82（C）卷，第207-222页。
    3. 尹赞华，2020年。"稀疏logistic回归的变量选择,"Metrika：国际理论与应用统计杂志，施普林格，第83卷（7），第821-836页，10月。
    4. 王培（Pei Wang）、陈顺杰（Shunjie Chen）和杨思嘉（Sijia Yang），2022年。"生物数据惩罚回归模型研究进展,"数学，MDPI，第10卷（19），第1-24页，10月。
    5. 塔宁-西里蒙哥尔卡塞姆和雷扎·德里克瓦迪，2019年。"高维数据分析的正则化方法,"数据科学年鉴施普林格，第6卷（4），第737-763页，12月。
    6. Fang，Xiaolei&Paynabar，Kamran&Gebraeel，Nagi，2017年。"基于多流传感器融合的单失效模式系统预测模型,"可靠性工程与系统安全爱思唯尔，第159（C）卷，第322-331页。
    7. Daniel，Jeffrey&Horrocks，Julie&Umphrey，Gary J.，2018年。"非齐次Gibbs点过程模型的惩罚复合似然,"计算统计与数据分析爱思唯尔，第124（C）卷，第104-116页。
    8. van Erp，Sara&Oberski，Daniel L.&Mulder，Joris，2018年。"贝叶斯惩罚回归的收缩先验,"OSF预打印cg8fq，开放科学中心。
    9. Hirose，Kei&Tateishi，Shohei&Konishi，Sadanori，2013年。"稀疏回归建模中的参数选择,"计算统计与数据分析爱思唯尔，第59卷（C），第28-40页。
    10. 孙志华、刘毅、陈嘉妮和李刚，2022年。"右偏生存数据的断裂自适应岭回归,"统计数学研究所年鉴，施普林格；统计数学研究所，第74卷（1），第69-91页，2月。
    11. 秦，伊晨&王，琳娜&李，杨&李，荣，2023。"模型选择不确定性的可视化和评估,"计算统计与数据分析爱思唯尔，第178（C）卷。
    12. 王祥宇，冷晨雷，2016。"筛选变量的高维普通最小二乘投影,"英国皇家统计学会学报B辑英国皇家统计学会，第78卷（3），第589-611页，6月。
    13. 萨特雷·梅洛伊，阿文，2019。"利用回归模型中的正则化研究居民年用电量的结构和居住驱动因素,"能源爱思唯尔，第174（C）卷，第148-168页。
    14. Diego Vidaurre、Concha Bielza和Pedro Larrañaga，2013年。"L1回归综述,"国际统计评论国际统计局，第81（3）卷，第361-387页，12月。
    15. 松井，Hidetoshi，2014年。"基于多类logistic回归模型的函数数据变量和边界选择,"计算统计与数据分析爱思唯尔，第78卷（C），第176-185页。
    16. 傅志轩、Chirag R.Parikh和周炳清，2017年。"竞争风险回归中的惩罚变量选择,"终身数据分析：一本致力于时间到事件数据统计方法和应用的国际期刊，施普林格，第23卷（3），第353-376页，七月。
    17. Peter Bühlmann和Jacopo Mandozzi，2014年。"高维变量筛选和后续推理中的偏倚，以及经验比较,"计算统计学Springer，第29卷（3），第407-430页，6月。
    18. TomášPlíhal，2021年。"预定的宏观经济新闻发布和外汇波动预测,"预测杂志，John Wiley&Sons，Ltd.，第40卷（8），第1379-1397页，12月。
    19. Zeyu Bian和Erica E.M.Moodie和Susan M.Shortreed&Sahir Bhatnagar，2023年。"动态治疗方案回归估计中的变量选择,"生物计量学国际生物识别学会，第79（2）卷，第988-999页，6月。
    20. 张同林，2024。"使用L0惩罚选择变量,"计算统计与数据分析爱思唯尔，第190（C）卷。

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:eee:csdana:v:184:y:2023:i:c:s0167947323000518。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是该项目的注册作者，您可能还想查看您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正作者、标题、摘要、参考书目或下载信息，请联系：Catherine Liu（电子邮件地址如下）。供应商的一般联系方式：http://www.elsevier.com/locate/csda.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    想法是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。