安藤富弘;李克肖 高维广义线性模型的加权松弛模型平均方法。 （英语） Zbl 1421.62094号 Ann.统计。 45，第6号，2654-2679（2017）. T.安藤和K.-C.李【美国统计协会期刊109，第505、254–265号（2014年；Zbl 1367.62209号)]提出了一种模型平均方法，该方法允许预测因子的数量随着样本量的增加而增加。在本文中，我们将结果从线性推广到基于单参数指数族的广义线性回归模型。在模型错误指定的情况下，证明了伪真回归参数的存在唯一性。导出了遗漏交叉验证权重选择的适当条件，以达到渐近最优性。仿真结果表明了该方法相对于几种方法的优点，包括Lasso、Akaike和Bayesian信息准则模型平均方法以及其他一些正则化方法。审核人：奥列克桑德·库库什（基辅） 引用于47文件 MSC公司： 62J12型 广义线性模型（逻辑模型） 62F99型 参数化推理 2012年12月62日 参数估计量的渐近性质 62磅10英寸 信息理论主题的统计方面 关键词：渐近最优性;高维回归模型;模型平均值;型号规格错误 引文：Zbl 1367.62209号 PDF格式BibTeX公司 XML格式引用 \textit{T.Ando}和\textit{K.-C.Li}，Ann.Stat.45，No.6，2654--2679（2017；Zbl 1421.62094） 全文： 内政部 欧几里得