德汉·孔;薛凯杰;姚、芳;张浩海。 高维部分函数线性回归。 （英语） 1452.62500兹罗提 生物特征 103，第1期，147-159（2016）. 摘要：在现代实验中，从随机过程和高维标量协变量中采样观测值时，经常会同时遇到功能数据和非功能数据。现有的模型选择和估计方法难以应用。我们提出了一类新的部分函数线性模型来表征标量响应与函数型和标量型协变量之间的回归。新方法提供了一个统一而灵活的框架，同时考虑了多个函数和超高维标量预测，使我们能够识别重要特征，并提高了估计量的可解释性。函数预测的基本过程被认为是无限维的，我们的贡献之一是描述正则化对结果估计的影响。我们在温和条件下建立了该方法的一致性和预言性，并通过仿真研究验证了其性能，并使用空气污染数据说明了其应用。 引用于84文件 MSC公司： 62J05型 线性回归；混合模型 62兰特 功能数据分析 62H25个 因子分析和主成分；对应分析 关键词：功能数据;函数线性回归;型号选择;主要成分;正规化;平滑剪裁绝对偏差 PDF格式BibTeX公司 XML格式引用 \textit{D.Kong}等人，Biometrika 103，No.1，147--159（2016；Zbl 1452.62500） 全文： 内政部 内政部 链接