×
孙慧慧;刘强

半参数混合效应纵向数据模型中的稳健变量选择。 （英语） Zbl 07808586号

Commun公司。统计、理论方法 53，第3期，1049-1064（2024）.
摘要：本文针对纵向数据的半参数线性混合效应模型中的固定效应和随机效应，提出了一种鲁棒的联合变量选择程序。我们的同时选择方法克服了典型方法分别选择两个效应分量的缺陷。同时，当数据中存在异常值时，该方法的性能优于非稳健方法。该方法基于重新参数化线性混合效应模型的鲁棒惩罚联合似然，通过B样条逼近和Cholesky分解。进一步证明了稳健变量选择方法具有Oracle特性。最后通过仿真研究验证了该方法的性能。

MSC公司：

62至XX 统计

关键词：

样条;EM算法;惩罚稳健估计;半参数混合效应模型;同时变量选择
PDF格式BibTeX公司 XML格式引用
\textit{H.Sun}和\textit{Q.Liu}，Commun。Stat.，理论方法53，No.3，1049--1064（2024；Zbl 07808586）
全文： 内政部

参考文献：

[1] Bondell，H.D.、Krishna，A.和Ghosh，S.K.，2010年。线性混合效应模型中固定效应和随机效应的联合变量选择。生物统计学66（4）：1069-77·Zbl 1233.62134号
[2] Chen，Z和Dunson，D.B.，2003年。线性混合模型中的随机效应选择。生物统计学59（4）：762-9。doi:·Zbl 1214.62027号
[3] Fu，L.，Yang，Z.，Cai，F.和Wang，Y.-G.2021。用于纵向数据分析中变量选择和参数估计的高效双鲁棒方法。计算统计36（2）:781-804。doi:·Zbl 1505.62148号
[4] Fan，J，and Li，R.，2001年。通过非冲突惩罚似然及其oracle属性进行变量选择。美国统计协会杂志96（456）：1348-60。doi:·Zbl 1073.62547号
[5] Feng，S.、Li，G.、Peng，H.和Tong，T.，2021年。具有交互固定效应的面板数据变系数模型。《中国统计》31:935-57。doi:·Zbl 1470.62071号
[6] Fan，Y.、Qin，G.和Zhu，Z.2014。线性混合模型中的稳健变量选择。统计学传播——理论与方法43（21）：4566-81。doi:·Zbl 1305.62265号
[7] Garcia，R.、Ibrahim，J.和Zhu，H.，2010年。随机缺失协变量的Cox回归模型中的变量选择。生物计量学66（1）：97-104。doi:·Zbl 1187.62167号
[8] Guo，C.、Yang，H.和Lv，J.，2014年。用于纵向数据分析的半参数均值-方差回归中的稳健变量选择。应用数学与计算245:343-56。doi:·Zbl 1335.62078号
[9] Huber，P.J.1981年。稳健的统计数据。纽约：Wiley·Zbl 0536.62025号
[10] Huang，J.、Horowitz，J.L.和Wei，F.，2010年。非参数可加模型中的变量选择。统计年鉴38（4）：2282-313·Zbl 1202.62051号
[11] Ibrahim，J.G.，Zhu，H.T.，Garcia，R.I.和Guo，R.X.，2011年。混合效应模型中的固定效应和随机效应选择。生物统计学67（2）：495-503·Zbl 1217.62171号
[12] Jiang，J.M.、Rao，J.S.、Gu，Z.H.和Nguyen，T.，2008年。混合模型选择的围栏方法。统计年鉴36（4）：1669-92。doi:·Zbl 1142.62047号
[13] Lv，J.，Yang，H.和Guo，C.H.，2015年。一种有效且稳健的纵向广义线性模型变量选择方法。计算统计与数据分析82:74-88。doi:·Zbl 1507.62123号
[14] Lv，J和Guo，C.H.，2019年。纵向单指数模型的改进Cholesky分解分位数估计。统计数学研究所年鉴71（5）：1163-99。doi:·Zbl 1431.62163号
[15] Mahmoud，H.F.F和Kim，I.，2019年。半参数空间混合效应单指标模型。计算统计与数据分析136:108-22。doi:·Zbl 1507.62124号
[16] J·奥列林和L·爱德华兹，2008年。使用R^2统计的线性混合模型中的固定效应变量选择。计算统计与数据分析52（4）：1896-907。doi:·Zbl 1452.62530号
[17] Peng，H和Lu，Y.，2012年。线性混合效应模型中的模型选择。多元分析杂志。109:109-29. doi:·Zbl 1241.62105号
[18] Qin，G.Y，Zhu，Z.Y.2009年。纵向数据广义部分线性混合模型中的鲁棒最大似然估计。生物统计学65（1）：C52-C59·Zbl 1159.62080号
[19] Shao，J和Zhang，J.，2015年。具有信息缺失响应的线性混合效应模型中的转换方法。生物特征102（1）：107-19。doi:·Zbl 1345.62137号
[20] Sun，H.2017年。基于M估计的指数相关混合效应线性模型的异方差检验。统计学传播——理论与方法46（9）：4620-30。doi:·Zbl 1368.62220号
[21] Sun，Y.、Qi，L.、Heng，F.和Gilbert，P.B.，2019年。纵向数据的广义半参数混合变系数模型分析。加拿大统计杂志=《加拿大统计评论》47（3）：352-73。doi:·Zbl 1522.62068号
[22] 辛哈，S.K.2006。纵向数据广义线性模型中的稳健推理。加拿大统计杂志34（2）：261-78。doi:·Zbl 1142.62384号
[23] 舒梅克，L.1981。样条函数：基本理论。纽约：Wiley·Zbl 0449.41004号
[24] Smith，M和Kohn，R.，2002年。纵向数据的简约协方差矩阵估计。美国统计协会杂志97（460）：1141-53。doi:·兹比尔1041.62044
[25] 斯通，C.1985。加性回归和其他非参数模型。统计年鉴13（2）：689-705。doi:·Zbl 0605.62065号
[26] Tibshirani，R.1996年。通过套索进行回归收缩和选择。英国皇家统计学会期刊，B58:267-88系列·兹比尔0850.62538
[27] Wang，Z.、Wang，H.和Wang，S..2019年。多元纵向成分数据的线性混合效应模型。神经计算335（28）：48-58。doi:。
[28] Wang，K和Lin，L.，2014年。纵向数据稳健半参数建模中的变量选择。韩国统计学会杂志43:303-14·Zbl 1306.62065号
[29] Wang，H和Leng，C.，2008年。关于自适应群LASSO的注记。计算统计与数据分析52（12）：5277-86。doi:·Zbl 1452.62524号
[30] Yang，M，Wang，M和Dong，G.，2020年。具有收缩先验的混合效应模型的贝叶斯变量选择。计算统计35（1）：227-43。doi:·Zbl 1505.62430号
[31] 袁，M，林，Y.，2006。分组变量回归中的模型选择和估计。英国皇家统计学会杂志：B辑（统计方法）68（1）：49-67。doi:·Zbl 1141.62030号
[32] Zhang，J，Xue，L.，2020年。具有纵向数据的广义部分线性变系数模型基于惩罚二次推理函数的变量选择。医学中的计算和数学方法020:3505306-11。doi:·Zbl 1507.62249号
[33] Zou，H和Hastie，T.，2005年。通过弹性网进行规则化和变量选择。英国皇家统计学会杂志：B辑（统计方法）67（2）：301-20。doi:·Zbl 1069.62054号
[34] 邹，H.2006。自适应套索及其oracle属性。《美国统计协会杂志》101（476）：1418-29。doi:·Zbl 1171.62326号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。