×
约瑟夫·瑞安·兰桑根（Joseph Ryan G.Lansangan）。;埃尼尔·巴里奥斯（Erniel B.Barrios）。

高维数据建模中的同时降维和变量选择。 （英语） 兹比尔1464.62113

计算。统计数据分析。 112, 242-256 (2017).
摘要：回归分析中的高维预测因子通常与多重共线性以及其他估计问题相关。这些问题可以通过一种约束优化方法来缓解，该方法可以同时进行降维和变量选择，并保持拟合模型的高预测能力。仿真研究表明，该方法在预测能力和输入优化选择方面优于稀疏主成分回归、最小绝对收缩和选择算子以及弹性网方法。此外，与主成分回归或主协方差回归估计的完整模型相比，该方法生成的简化模型具有更小的预测误差。

引用于2文件

MSC公司：

62-08 统计问题的计算方法
62J05型 线性回归；混合模型
62H25个 因子分析和主成分；对应分析

关键词：

高维性;回归建模;尺寸缩减;变量选择;潜在因素;稀疏;软阈值;稀疏主成分分析

软件：

巴蒂;贝叶斯树;作为223
PDF格式BibTeX公司 XML格式引用
\textit{J.R.G.Lansangan}和\textit{E.B.Barrios}，计算。统计数据分析。112、242--256（2017年；Zbl 1464.62113）
全文： 内政部

参考文献：

[1] 坎迪斯，E。；Tao，T.，Dantzig选择器：当p远大于n时的统计估计，Ann.Statist。，35, 6, 2313-2351, (2007) ·Zbl 1139.62019号
[2] Chatterjee，S。；Hadi，A.（《实例回归分析》，《概率与统计学中的威利系列》，（2006），John Wiley and Sons，Inc.，Hoboken，New Jersey）·Zbl 1250.62035号
[3] Chen，L。；Huang，J.，《同时降维和变量选择的稀疏降秩回归》，J.Amer。统计师。协会，107500，1533-1545，（2012）·兹比尔1258.62075
[4] Chipman，H。；乔治·E。；McCulloch，R.，BART：贝叶斯加性回归树，Ann.Appl。统计，4，1，266-298，（2010）·Zbl 1189.62066号
[5] Chipman，H。；Gu，G.，《可解释维度缩减》，J.Appl。统计，32，9，969-987，（2005）·Zbl 1121.62347号
[6] Chun，H。；Keles，S.，《同时降维和变量选择的稀疏偏最小二乘回归》，J.R.Stat.Soc.Ser。B统计方法。，72, 1, 3-25, (2010) ·Zbl 1411.62184号
[7] Cook，R.D.，Fisher讲座：回归中的降维（带讨论），统计学。科学。，22, 1-43, (2007) ·Zbl 1246.62149号
[8] 德容，S。；Kiers，H.A.L.，主协变量回归，化学计量学。智力。实验室系统。，14, 155-164, (1992)
[9] 德雷珀，N。；Smith，H.，（应用回归分析，概率统计中的Wiley级数，（1998），John Wiley and Sons，Inc.Hoboken，New Jersey）·Zbl 0158.17101号
[10] 埃卡特，C。；Young，G.，《一个矩阵与另一个低阶矩阵的近似》，《心理测量学》，1，3，211-218，（1936）
[11] Filzmoser，P。；Croux，C.，带共线性回归的投影算法，（Jajuga，K.；Sokolowski，A.；Bock，H.-H.，《分类、聚类和数据分析》，（2002），柏林施普林格出版社），227-234
[12] Foucart，T.，《在回归中丢弃主成分的决策规则》，J.Statist。计划。推理，89，1，187-195，（2000）·Zbl 0954.62081号
[13] Garson，G.D.，多元回归，（2012），统计协会出版社，北卡罗来纳州阿什伯勒
[14] E.I.乔治。；阿曼，S.D.，多重收缩主成分回归，统计学家，45，1，111-124，（1996）
[15] Goldenshluger，A。；Tsybakov，A.，无限多参数线性回归中的自适应预测和估计，Ann.Statist。，29, 6, 1601-1619, (2001) ·Zbl 1043.62076号
[16] 霍尔，A.E。；Kennard，R.W.，《岭回归：非正交问题的有偏估计》，技术计量学，12，55-82，（1970）·Zbl 0202.17205号
[17] 黄，J。；Nettleton，D.，用数据选择成分和相关方法进行主成分回归，技术计量学，45，70-79，（2003）
[18] Izenman，A.J.，多元线性模型的降秩回归，J.多元分析。，5, 248-264, (1975) ·Zbl 0313.62042号
[19] Jolliffe，I.，《关于回归中主成分使用的注释》，J.Appl。《法律总汇》，31，3，300-303，（1982）
[20] Klinger，A.，基于软阈值的高维广义线性模型推断，J.Roy。统计师。《社会学杂志》，63，2，377-392，（2001）·Zbl 0980.62053号
[21] 科斯菲尔德，R。；Lauridsen，J.，因子分析回归，统计学。论文，49，4，653-667，（2008）·Zbl 1312.62079号
[22] Lee，T.S.，算法AS 223：最优脊参数选择，J.Roy。统计师。Soc.序列号。C、 36,1112-118（1987）·Zbl 0613.62092号
[23] 麦当劳，G.C。；加拉诺，D.I.，J.Amer。统计师。协会，70，550，407-416，（1975）·Zbl 0319.62049号
[24] 拉维库马尔，P。；刘，H。；Lafferty，J。；Wasserman，L.，《垃圾邮件：稀疏加性模型》，（Platt，J.；Koller，D.；Singer，Y.；Roweis，S.，《神经信息处理系统进展》，第20卷，（2007），麻省理工学院出版社，马萨诸塞州坎布里奇），1201-1208
[25] Reinsel，G.C.公司。；Velu，P.R.，《多元降秩回归：理论与应用》，（1998），纽约施普林格出版社·Zbl 0909.62066号
[26] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 2, 461-464, (1978) ·Zbl 0379.62005年
[27] Tibshirani，R.，通过LASSO，J.R.Stat.Soc.Ser.回归收缩和选择。B统计方法。，58, 1, 267-288, (1996) ·Zbl 0850.62538号
[28] 世界卫生组织，2016年。WHO网站：http://www.who.int/gho/en/。
[29] Wold，H.，用迭代最小二乘法估计主成分和相关模型，（Krishnaiaah，P.R.，多元分析，（1966），纽约学术出版社，391-420·Zbl 0214.46103号
[30] 邹，H。；Hastie，T.，《通过弹性网进行正则化和变量选择》，J.R.Stat.Soc.Ser。B统计方法。，67, 2, 301-320, (2005) ·兹比尔1069.62054
[31] 邹，H。；哈斯蒂，T。；Tibshirani，R.，稀疏主成分分析，J.Compute。图表。统计学。，15265-286（2006年）
[32] 邹，H。；哈斯蒂，T。；Tibshirani，R.，《论LASSO的“自由度”》，Ann.Statist。，35, 5, 2173-2192, (2007) ·Zbl 1126.62061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。