卢卡斯·迈耶;彼得·伯尔曼 平滑(\ell_1)-高维时间历程数据的惩罚估计量。 (英语) Zbl 1140.62054号 电子。J.统计。 1, 597-615 (2007). 摘要:当必须估计一系列(相关的)线性模型时,通常将不同的数据集组合起来以构建更有效的估计量是合适的。我们使用了惩罚估计量,如Lasso或Adaptive Lasso,它可以同时进行参数估计和模型选择。我们表明,对于高维线性模型的时间进程,通过以适当的方式组合不同的时间点,可以提高套索和自适应套索的均方误差率。此外,Adaptive Lasso仍然具有oracle属性和一致的变量选择。在模拟数据和DNA序列中模体发现的实际问题上,说明了所提方法的有限样本特性。 引用于8文件 MSC公司: 62J05型 线性回归;混合模型 62G05型 非参数估计 65立方厘米60 统计中的计算问题(MSC2010) 10层62层 点估计 PDF格式BibTeX公司 XML格式引用 \textit{L.Meier}和\textit{P.Bühlmann},电子。J.Stat.1,597--615(2007;Zbl 1140.62054) 全文: 内政部 arXiv公司