侯赛因·莫拉迪·雷卡巴达科莱;王，秦 通过自适应MAVE选择变量。 （英语） Zbl 1457.62079号 统计概率。莱特。 128, 44-51 (2017). 摘要：自适应最小平均方差估计（MAVE）能够适应不同的误差分布，是一种有效的降维方法。本文结合自适应估计和回归收缩的思想，提出了稀疏自适应MAVE（saMAVE）。saMAVE可以估计中心平均子空间并同时选择信息协变量，而无需假设预测变量的任何特定模型或分布。通过理论结果和仿真研究验证了saMAVE的有效性。 引用于1文件 MSC公司： 62F07型 统计排名和选择程序 62J12型 广义线性模型（逻辑模型） 2007年6月62日 岭回归；收缩估计器（拉索） 关键词：自适应最小平均方差估计;充分降维;收缩率估算;变量选择 软件：格尔姆奈特 PDF格式BibTeX公司 XML格式引用 \textit｛H.Moradi Rekabdakolaee｝和\textit｛Q.Wang｝，Stat.Probab。莱特。128、44-51（2017；Zbl 1457.62079） 全文： 内政部 参考文献： [1] 邦德尔·H·D。；Li，L.，无模型变量选择的收缩反向回归估计，J.R.Stat.Soc.Ser。B统计方法。，71, 287-299 (2009) ·Zbl 05691142号 [2] 库克，R.D.，《回归图形：通过图形研究回归的想法》（1998），威利出版社：威利纽约·Zbl 0903.62001 [3] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降广义线性模型的正则化路径，J.Stat.Softw。，33, 1-22 (2010) [4] Li，K.，降维切片逆回归，J.Amer。统计人员。协会，86，316-327（1991）·Zbl 0742.62044号 [5] Li，L.，稀疏充分降维，Biometrika，94，603-613（2007）·兹比尔1135.62062 [6] 李，L。；库克·R·D。；Nachtsheim，C.J.，无模型变量选择，J.R.Stat.Soc.Ser。B统计方法。，67, 285-299 (2005) ·Zbl 1069.62053号 [7] 林惇，O。；Xiao，Z.，一种适用于未知形式误差分布的非参数回归估计量，《计量经济学理论》，23，371-413（2007）·Zbl 1274.62292号 [8] Moradi Rekabdarkolee，H。；Boone，E。；Wang，Q.，充分降维中的稳健估计和变量选择，计算。统计人员。数据分析。，108, 146-157 (2017) ·Zbl 1466.62182号 [9] Ni，L。；库克·R·D。；Tsai，C.L.，关于收缩切片逆回归的注释，Biometrika，92，242-247（2005）·Zbl 1068.62080号 [10] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B统计方法。，58, 267-288 (1996) ·Zbl 0850.62538号 [11] Wang，H。；Xia，Y.，降维切片回归，J.Amer。统计人员。协会，103，811-821（2008）·Zbl 1306.62168号 [12] 王，T。；徐，P。；朱磊，惩罚最小平均方差估计，统计学。Sinica，23，543-569（2013）·Zbl 1379.62049号 [13] 王，Q。；Yao，W.，MAVE的自适应估计，J.多元分析。，104, 88-100 (2012) ·Zbl 1352.62060号 [14] 王，Q。；Yin，X.，高维数据的非线性多维变量选择方法：稀疏MAVE，计算。统计人员。数据分析。，52, 4512-4520 (2008) ·兹比尔1452.62136 [15] 夏，Y。；Tong，H。；李伟（Li，W.）。；朱磊，降维空间的自适应估计，J.R.Stat.Soc.Ser。B统计方法。，64, 363-410 (2002) ·Zbl 1091.62028号 [16] 叶，Z。；Weiss，R.E.，使用bootstrap选择一种新的降维方法，J.Amer。统计人员。协会，98，968-979（2003）·Zbl 1045.62034号 [17] 周，J。；He，X.，基于约束典型相关和变量滤波的降维，Ann.Statist。，36, 1649-1668 (2008) ·Zbl 1142.62045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。