×
库克，R.丹尼斯;莉莉亚娜·福扎尼;亚当·罗斯曼。

丰富的高维线性回归预测。 （英语） Zbl 1279.62140号

电子。J.统计。 7, 3059-3088 (2013).
摘要：丰富回归是指大多数预测因子都提供了有关响应的信息，这与稀疏回归的常见概念相反，稀疏回归的预测因子很少相关。我们讨论了当样本大小和预测因子数量在各种比对中增加时，在丰富的线性回归中预测方法的渐近特性。我们表明，在丰富的高维回归中，一些估计可以很好地用于预测。

引用于6文件

MSC公司：

62J05型 线性回归；混合模型
62甲12 多元分析中的估计

关键词：

逆回归;最小二乘法;Moore-Penrose逆;稀疏协方差估计

软件：

玻璃制品;童子军
PDF格式BibTeX公司 XML格式引用
\textit{R.D.Cook}等人，《电子》。J.Stat.7，3059--3088（2013；Zbl 1279.62140）
全文： 内政部 欧几里得

参考文献：

[1] Cai，T.T.，Liu，W.和Luo，X.（2011）。稀疏精度矩阵估计的约束极小化方法。J.Amer。统计师。协会106 594-607·Zbl 1232.62087号 ·doi:10.198/jasa.2011.tm10155
[2] 克里斯滕森，R.（1987）。复杂问题的平面答案。纽约威利·Zbl 0645.62076号
[3] Chung，H.和Keleš，S.（2010年）。稀疏偏最小二乘回归用于同时降维和变量选择。英国皇家统计学会期刊B系列72 3-25。
[4] 库克·R·D（2007）。费希尔讲座：回归中的降维。统计师。科学。22 1-26. ·Zbl 1246.62148号
[5] Cook，R.D.和Forzani，L.（2008）。回归中尺寸缩减的主要拟合组件。统计师。科学。23 485-501. ·Zbl 1329.62274号
[6] Cook，R.D.和Forzani，L.（2011年）。关于奇异Wishart矩阵广义逆的均值和方差。电子统计杂志5 146-158·Zbl 1274.62350号
[7] Cook，R.D.、Forzani，L.和Rothman，A.J.（2012）。在丰富的高维回归中估计预测因子的充分减少。Ann.Statist公司。40 353-384. ·Zbl 1246.62150号
[8] Dicker，L.（2012）。高维线性模型的密集信号、线性估值器和样本外预测。
[9] Fan，J.和Li，R.（2001）。通过非冲突惩罚似然及其oracle属性进行变量选择。J.Amer。统计师。协会96 1348-1360·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[10] Frank，I.E.和Friedman，J.H.（1993年）。一些化学计量学回归工具的统计视图。技术计量35 109-135·Zbl 0775.62288号 ·doi:10.2307/1269656
[11] Friedman，J.、Hastie，T.和Tibshirani，R.（2008）。用图形套索进行稀疏逆协方差估计。生物统计学9 432-441·兹比尔1143.62076 ·doi:10.1093/biostatistics/kxm045
[12] Henmi，M.和Eguchi，S.（2004年）。一个包含干扰参数和投影估计函数的悖论。生物特征91 929-941·Zbl 1064.62002号 ·doi:10.1093/biomet/91.4.929
[13] Hoerl，A.E.和Kennard，R.W.（1970年）。岭回归：非正交问题的有偏估计。技术计量12 55-67·Zbl 0202.17205号 ·数字对象标识代码：10.2307/1267351
[14] Xieh，C.-J.、Sustik，M.A.、Dhillon，I.S.和Ravikumar，P.K.（2011年）。使用二次近似的稀疏逆协方差矩阵估计。《神经信息处理系统进展》，24 2330-2338。麻省理工学院出版社，马萨诸塞州剑桥。
[15] Jeng，X.J.和Daye，Z.J.（2011）。稀疏协方差阈值法用于高维变量选择。中国统计局21 625-657·Zbl 1214.62059号 ·doi:10.5705/ss.2011.028a
[16] Letac，G.和Massan，H.（2004）。Wishart分布的所有不变矩。扫描。J.统计。31 295-318. ·Zbl 1063.62081号 ·doi:10.1111/j.1467-9469.2004.01-043.x
[17] Magnus，J.R.和Neudecker，H.（1979年）。交换矩阵：一些性质和应用。Ann.Statist公司。7 381-394. ·Zbl 0414.62040号 ·doi:10.1214操作系统/1176344621
[18] Muirhead，R.J.（1982）。多元统计理论方面。纽约威利·Zbl 0556.62028号
[19] Pourahmadi，M.（2011）。协方差矩阵建模：GLM和正则化视角。统计科学26 369-387·Zbl 1246.62139号
[20] Ravikumar，P.、Wainwright，M.J.、Raskutti，G.和Yu，B.（2011年）。通过最小化l1惩罚的对数决定元散度进行高维协方差估计。电子统计杂志5 935-980·Zbl 1274.62190号
[21] Rothman，A.J.、Bickel，P.J.、Levina，E.和Zhu，J.（2008）。稀疏置换不变协方差估计。电子统计杂志2 494-515·Zbl 1320.62135号
[22] Söbö，S.、Almoy，T.、Aaröe，J.和Aastveit，A.H.（2007年）。ST-PLS：通过PLS的多向最近收缩质心类型分类器。化学计量学杂志20 54-62。
[23] Shao，J.和Deng，X.（2012）。具有确定性设计矩阵的高维线性模型中的估计。Ann.Statist公司。40 812-831. ·Zbl 1273.62177号
[24] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计师。Soc.，爵士。乙58 267-288·Zbl 0850.62538号
[25] von Rosen，D.（1988年）。逆Wishart分布的力矩。扫描。J.统计。15 97-109. ·兹伯利0663.62063
[26] Witten，D.M.和Tibshirani，R.（2009年）。高维问题的协方差回归和分类。英国皇家统计学会期刊B辑71 615-636·Zbl 1250.62033号
[27] Yuan，M.和Lin，Y.（2007）。高斯图形模型中的模型选择和估计。生物特征94 19-35·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[28] 邹华（2005）。通过弹性网进行规则化和变量选择。英国皇家统计学会期刊B辑67 301-320·兹比尔1069.62054 ·数字对象标识代码：10.1111/j.1467-9868.2005.0050.x
[29] 邹华（2006）。自适应套索及其oracle属性。J.Amer。统计师。协会101 1418-1429·Zbl 1171.62326号 ·doi:10.1198/016214500000735
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。