×
王涛；温雪蓉·麦琪；朱丽星

基于切片回归的多重种群萎缩估计。 （英语） 兹比尔1505.62419

统计计算。 27，第1期，103-114（2017）.
摘要：本文研究了多重回归中的降维问题，其中数据来自共享相同变量的多个总体。假设回归中的相关预测因子集是相同的，则提出了一种联合估计和选择方法，旨在保留共同结构，同时考虑到特定人群的特征。新方法基于分段逆回归和多元线性回归之间的关系，通过套索收缩惩罚实现。开发了一种快速交替算法来解决相应的优化问题。通过仿真和实际数据例子说明了该方法的性能。

引用于2文件

MSC公司：

62-08 统计学相关问题的计算方法
62G08号 非参数回归和分位数回归
62甲12 多元分析中的估计
62J07型 岭回归；收缩估计器（拉索）

关键词：

关节稀疏性；多元回归；切片逆回归；充分降维

软件：

alr3；ElemStatLearn（电子状态学习）
PDF格式BibTeX公司 XML格式引用
\textit{T.Wang}等人，《统计计算》。27，第1号，第103--114条（2017；Zbl 1505.62419）
全文： 内政部

参考文献：

[1] Bernard-Michel，C.，Gardes，L.，Girard，S.：关于带正则化的分段逆回归的注释。生物统计学64，982-984（2008）·Zbl 1145.62351号 ·doi:10.1111/j.1541-0420.2008.01080.x
[2] Bernard-Michel，C.，Gardes，L.，Girard，S.：高斯正则切片逆回归。统计计算。19, 85-98 (2009) ·doi:10.1007/s11222-008-9073-z
[3] Bondell，H.D.，Li，L.：无模型变量选择的收缩反向回归估计。J.R.统计社会服务。B 71，287-299（2009）·Zbl 05691142号 ·doi:10.1111/j.1467-9868.2008.00686.x
[4] Chavent，M.，Kuentz，V.，Liquet，B.，Saracco，J.：分层人群的切片逆回归。Commun公司。Stat.-理论方法40，1-22（2011）·Zbl 1277.62144号 ·doi:10.1080/03610926.2010.501940
[5] Chen，C.H.，Li，K.C.：SIR能像多元线性回归那样流行吗？《中国统计》8，289-316（1998）·Zbl 0897.62069号
[6] Chiaromonte，F.、Cook，R.D.、Li，B.：使用分类预测因子的回归中的充分降维。Ann.Stat.30，475-497（2002年）·Zbl 1012.62036号 ·doi:10.1214/aos/1021379862
[7] 库克，R.D.：回归图形：通过图形研究回归的想法。威利，纽约（1998）·Zbl 0903.62001 ·数字对象标识代码：10.1002/9780470316931
[8] Cook，R.D.：测试预测因子对充分降维的贡献。Ann.Stat.32，1061-1092（2004）·兹比尔1092.62046
[9] Cook，R.D.，Forzani，L.：基于似然的充分降维。《美国统计协会期刊》104，197-208（2009）·Zbl 1388.62041号
[10] Cook，R.D.，Ni，L.：通过反向回归进行充分降维：最小差异方法。《美国统计协会期刊》第100卷，第410-428页（2005年）·Zbl 1117.62312号 ·doi:10.1198/01621450000001501
[11] Cook，R.D.，Weisberg，S.：Ker-Chau Li.J.Am.Stat.Assoc.86，328-332（1991）关于“降维切片逆回归”的讨论·兹比尔1353.62037
[12] Hastie，T.、Tibshirani，R.、Friedman，J.：统计学习的要素：预测、推断和数据挖掘。施普林格，纽约（2009年）·Zbl 1273.62005年 ·doi:10.1007/978-0-387-84858-7
[13] Lee，K.，Li，B.，Chiaromonte，F.：非线性充分降维的一般理论：公式和估计。《Ann Stat》41，221-249（2013）·Zbl 1347.62018年 ·doi:10.1214/12-AOS1071
[14] Li，B.，Zha，H.，Chiaromonte，F.：轮廓回归：降维的一般方法。Ann.Stat.331580-1616（2005）·Zbl 1078.62033号 ·doi:10.1214/009053605000000192
[15] Li，B.，Kim，M.，Altman，N.：关于矩阵或数组值统计对象的维数折叠。Ann.Stat.38，1094-1121（2010年）·Zbl 1183.62091号 ·doi:10.1214/09-AOS737
[16] Li，B.，Wang，S.：关于降维的方向回归。《美国统计协会期刊》102，997-1008（2007）·Zbl 1469.62300号 ·doi:10.1198/0162145000000536
[17] Li，K.C.：用于降维的切片逆回归。《美国统计协会期刊》86、316-327（1991）·Zbl 0742.62044号 ·数字对象标识代码：10.1080/01621459.1991.10475035
[18] Li，L.，Yin，X.：带正则化的切片逆回归。生物统计学64，124-131（2008）·Zbl 1139.62055号 ·doi:10.1111/j.1541-0420.2007.00836.x
[19] Lin，Y.，Zhang，H.H.：多元非参数回归中的成分选择和平滑。Ann.Stat.34，2272-2297（2006）·Zbl 1106.62041号 ·doi:10.1214/0090536000000722
[20] Lounici，K.，Pontil，M.，Tsybakov，A.B.，Van De Geer，S.：利用多任务学习中的稀疏性。arXiv预打印arXiv:0903.1468（2009）
[21] Ni，L.，Cook，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 ·doi:10.1093/biomet/92.1.242
[22] Scrucca，L.：使用正则切片逆回归对DNA微阵列进行类别预测和基因选择。计算。统计数据分析。52, 438-451 (2007) ·Zbl 1452.62845号 ·doi:10.1016/j.csda.2007.02.005
[23] Tibshirani，R.：通过套索进行回归收缩和选择。J.R.统计社会服务。B 58267-288（1996）·Zbl 0850.62538号
[24] Wang，H.，Leng，C.：最小二乘近似的统一LASSO估计。《美国统计协会期刊》102，1039-1048（2007）·Zbl 1306.62167号 ·doi:10.1198/0162145000000509
[25] Wang，T.，Zhu，L.X.：使用最佳评分进行稀疏充分降维。计算。统计数据分析。57, 223-232 (2013) ·Zbl 1365.62226号 ·doi:10.1016/j.csda.2012.06.015
[26] Weisberg，S.：应用线性回归。威利，纽约（2005年）·Zbl 1068.62077号 ·doi:10.1002/0471704091
[27] Wu，Y.，Li，L.：具有发散预测数的充分降维的渐近性质。中国统计局31，707-730（2011）·Zbl 1214.62064号 ·doi:10.5705/ss.2011.031a
[28] Xia，Y.，Tong，H.，Li，W.K.，Zhu，L.X.：降维空间的自适应估计。J.R.统计社会服务。B 64，363-410（2002）·Zbl 1091.62028号 ·doi:10.1111/1467-9868.03411
[29] Yuan，M.，Lin，Y.：分组变量回归中的模型选择和估计。J.R.统计社会服务。B 68，49-67（2006）·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[30] 朱，L.P.，王，T.，朱，L.X.，Ferré，L.：通过离散化期望估计进行充分降维。《生物特征》97，295-304（2010）·Zbl 1205.62048号 ·doi:10.1093/biomet/asq018
[31] 朱，L.P.，朱，L.X.，冯，Z.H.：通过累积切片估计降低回归的维数。《美国统计协会期刊》105，1455-1466（2010）·Zbl 1388.62121号 ·doi:10.1198/jasa.2010.tm09666
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。