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