金永代（Kim，Yongdai）;霍西克·崔;哦，嘻嘻 在高维度上平滑剪裁绝对偏差。 （英语） Zbl 1286.62062号 美国统计协会。 103，第484号，1665-1673（2008）. 摘要：Fan和Li提出的平滑剪裁绝对偏差（SCAD）估计量具有许多理想的性质，包括连续性、稀疏性和无偏性。当协变量的维数固定或发散速度比样本量慢时，SCAD估计量也具有（渐近）预言性质。在本文中，我们研究了高维环境下的SCAD估计量，其中协变量的维数可能远大于样本大小。首先，我们开发了一种高效的优化算法，该算法快速且始终收敛于局部极小值。其次，我们证明了SCAD估计在高维问题上仍然具有预言性。我们进行了数值研究，在真实模型稀疏时，将SCAD估计量与LASSO和SIS-SCAD估计量在预测精度和变量选择性方面进行了比较。通过仿真，我们表明Fan和Li的方差估计对于一些真实非零系数不太小且样本大小适中的有限高维情况仍然有效。我们将所提出的算法应用于分析高维微阵列数据集。 引用于104文件 MSC公司： 62J02型 一般非线性回归 10层62层 点估计 关键词：高维;oracle属性;回归，回归;正规化;平滑剪裁绝对偏差惩罚 PDF格式BibTeX公司 XML格式引用 \textit{Y.Kim}等人，《美国统计协会期刊》第103期，第484、1665--1673号（2008年；Zbl 1286.62062） 全文： 内政部