×
唐念生；夏琳莉；严晓东

随机缺失响应的超高维部分线性模型中的特征筛选。 （英语） Zbl 1507.62164号

计算。统计数据分析。 133, 208-227 (2019).
摘要：本文基于轮廓边缘核辅助估计方程插补技术，提出了一种新的纵向数据随机缺失响应超高维部分线性模型特征筛选方法。提出的特征筛选程序有三个关键优点。首先，它计算效率高，可以用于在缺少响应的情况下筛选重要的协变量。其次，它不需要估计被调查者的概率，并且对被调查者概率模型的指定错误具有鲁棒性。第三，采用单变量核平滑方法估计非参数函数，并用其随机插补缺少响应的估计方程，避免了众所周知的“维数灾难”。在一定的正则性条件下，给出了排序一致性和确定筛选性。进行了模拟研究，以研究所建议筛选程序的有限样本性能。用一个例子来说明所提出的程序。

引用于4文件

MSC公司：

62-08 统计问题的计算方法
62G08号 非参数回归和分位数回归
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

估计方程；随机失踪；部分线性模型；确定筛选属性；超高维纵向数据
PDF格式BibTeX公司 XML格式引用
\textit{N.Tang}等人，计算。统计数据分析。133208-227（2019年；Zbl 1507.62164）
全文： DOI程序

参考文献：

[1] Cheng，M。；本田，T。；李，J。；彭浩，超高维纵向数据的非参数独立性筛选与结构识别，Ann.Statist。，42, 1819-1849 (2014) ·Zbl 1305.62169号
[2] 崔，H。；李，R。；Zhong，W.，超高维判别分析的无模型特征筛选，J.Amer。统计师。协会，110630-641（2015）·Zbl 1373.62305号
[3] 范，J。；Feng，Y。；Song，R.，稀疏超高维可加模型中的非参数独立筛选，J.Amer。统计师。协会，106，544-557（2011）·Zbl 1232.62064号
[4] 范，J。；Li，R.，通过非冲突惩罚似然进行变量选择及其预言性质，J.Amer。统计师。协会，96，1348-1360（2001）·Zbl 1073.62547号
[5] 范，J。；Li，R.，《纵向数据分析中半参数建模的新估计和模型选择程序》，J.Amer。统计师。协会，99，710-723（2004）·Zbl 1117.62329号
[6] 范，J。；Lv，J.，超高维特征空间的确定独立筛选，J.R.Stat.Soc.Ser。B统计方法。，70849-911（2008）·Zbl 1411.62187号
[7] 范，J。；Song，R.，具有NP维的广义线性模型中的确定独立筛选，Ann.Statist。，38, 3567-3604 (2010) ·Zbl 1206.68157号
[8] 方，F。；Shao，J.，不可忽视的无反应模型选择，生物统计学，103，861-874（2016）
[9] 加西亚，R.I。；易卜拉欣，J.G。；Zhu，H.，缺失数据回归模型的变量选择，统计学。Sinica，20，149-165（2010）·Zbl 1180.62057号
[10] 何，X。；王，L。；Hong，H.，高维异质数据的分位数自适应无模型变量筛选，Ann.Statist。，41, 342-369 (2013) ·Zbl 1295.62053号
[11] 易卜拉欣，J.G。；Zhu，H.T。；Tang，N.S.，使用EM算法的缺失数据问题的模型选择标准，J.Amer。统计师。协会，103，1648-1658（2008）·兹比尔1286.62082
[12] 赖，P。；刘，Y。；刘，Z。；Wan，Y.，随机缺失响应的超高维数据无模型特征筛选，计算。统计师。数据分析。，105, 201-216 (2017) ·Zbl 1466.62125号
[13] 李·G。；彭，H。；张杰。；朱磊，基于稳健秩相关的筛选，安统计学家。，40, 1846-1877 (2012) ·Zbl 1257.62067号
[14] 李，R。；钟伟。；Zhu，L.，通过距离相关学习进行特征筛选，J.Amer。统计师。协会，1071129-1139（2012）·Zbl 1443.62184号
[15] Little，R.J.A。；鲁宾，D.B.，《缺失数据的统计分析》（2002年），威利出版社：威利纽约·Zbl 1011.62004号
[16] Liu，J.，具有超高维纵向数据的部分线性模型的特征筛选和变量选择，神经计算，195202-210（2016）
[17] 刘，J。；李，R。；Wu，R.，超高维协变量变系数模型的特征选择，J.Amer。统计师。协会，109，266-274（2014）·Zbl 1367.62048号
[18] 龙，Q。；Johnson，B.A.，存在缺失数据的变量选择：重新采样和插补，生物统计学，16596-610（2015）
[19] 马云（Ma，Y.）。；Chiou，J.M。；Wang，N.，高效半参数估计异方差部分线性模型，Biometrika，93，75-84（2006）·Zbl 1152.62020年
[20] 罗森瓦尔德，A。；赖特，G。；Wiestner，A.，《增殖基因表达特征是预测套细胞淋巴瘤生存率的致癌事件的定量积分》，《癌症细胞》，3185-197（2003）
[21] 沈春伟。；Chen，Y.H.，具有多重插补纵向数据的广义估计方程的模型选择，Biom。J.，55，899-911（2013）·Zbl 1441.62488号
[22] Tang，N。；严，X。；Zhao，P.，关于增长维无条件矩模型的指数倾斜似然推断，《计量经济学》，202，57-74（2018）·Zbl 1378.62013年
[23] 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
[24] 王，Q。；Li，Y.，《如何使完整数据的无模型特征筛选方法适用于缺少响应的情况》，Scand。J.统计。，45324-346（2018）·Zbl 1405.62020号
[25] 王，Q。；林惇，O。；Härdle，W.，随机缺失响应的半参数回归分析，J.Amer。统计师。协会，99，334-345（2004）·Zbl 1117.62441号
[26] 徐，P。；朱，L。；Li，Y.，超高维时程特征选择，生物统计学，70356-365（2014）·Zbl 1419.62482号
[27] Yang，Y。；李·G。；Lian，H.，《具有纵向数据的部分线性模型的无条件惩罚估计》，《统计学》，50，43-59（2016）·Zbl 1342.62052号
[28] 张，C.，极小极大凹惩罚下的几乎无偏变量选择，Ann.Statist。，38, 894-942 (2010) ·Zbl 1183.62120号
[29] 张杰。；刘，Y。；Wu，Y.，超高维生存数据的相关秩筛选，计算机。统计师。数据分析。，108, 121-132 (2017) ·Zbl 1466.62226号
[30] 赵，S。；Li，Y.，分数测试变量筛选，生物统计学，70862-871（2014）·Zbl 1393.62116号
[31] 周，Y。；万，A。；Wang，X.，《用缺失数据推断估算方程》，J.Amer。统计师。协会，103，1187-1199（2008）·兹比尔1205.62037
[32] 周，T。；Zhu，L.，超高维删失回归的无模型特征筛选，统计计算。，27, 947-961 (2017) ·Zbl 1384.62144号
[33] 朱振英。；何晓明。；Fung，W.K.，部分线性模型中惩罚高斯似然估计的局部影响分析，Scand。《美国联邦法律大全》，第30卷，第767-780页（2003年）·Zbl 1053.62054号
[34] 朱丽萍。；李，L。；李，R。；Zhu，L.X.，超高维数据的无模型特征筛选，J.Amer。统计师。协会，1061464-1475（2011）·Zbl 1233.62195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。