×
科菲·P·阿德拉格尼。;穆米塔·卡马卡

高维复杂数据中变量选择的顺序测试。 （英语） Zbl 1507.62002号

计算。统计数据分析。 81007-120（2015年）.
小结：给定连续预测因子（X）的高维向量和单变量响应（Y），主拟合分量（PFC）提供了足够的X约简，在降低维数的同时保留了关于X中Y的所有回归信息。约简是所有预测因子的一组线性组合，通过使用一组灵活的基函数，可以检测到通过复杂非线性关系与（Y）相关的预测因子。在可能存在大量无关预测因子的情况下，充分约简的准确性受到了阻碍。该方法对PFC进行了序贯检验，以获得“修剪”的充分约简，从而去除不相关的预测因子。序列检验基于似然比，该表达式是在\（X|Y\）的不同协方差结构下导出的。由此产生的约简具有更高的准确性，并允许识别相关变量。

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
62升10 顺序统计分析

关键词：

逆回归;尺寸缩减;主要成分;变量选择;可变筛选;高维性;数据分析

软件：

RSIR公司;激光测距仪;标准普尔;格尔姆奈特;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{K.P.Adragni}和\textit{M.Karmakar}，计算。统计数据分析。81、107——120（2015；Zbl 1507.62002）
全文： 内政部

参考文献：

[1] Adragni，K.P。；Cook，R.D.，《范建清和吕金池超高维特征空间确定性独立筛选的探讨》（2007），J.R.Stat.Soc.Ser。B、 701-35（2008）
[2] Adragni，K.P。；库克，R.D.，《回归中的充分降维和预测》，菲尔译。R.Soc.A，3671906（2009）·Zbl 1185.62109号
[3] Adragni，K.P.，Raim，A.，2014年。ldr：回归中基于似然的降维方法。R软件包版本1.3，http://CRAN.R-project.org/package=ldr。
[4] Breiman，L.，使用非负garrote进行更好的子集回归，技术计量学，37，4，373-384，（1995）·Zbl 0862.62059号
[5] 坎迪斯；Tao，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
[6] 陈，X。；邹，C。；库克，R.D.，坐标相关稀疏充分降维与变量选择，Ann.Statist。，38, 6, 3696-3723, (2010) ·Zbl 1204.62107号
[7] 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
[8] Chung，D.，Chun，H.，Keles，S.，2012年。spls：稀疏偏最小二乘（spls）回归和分类。R软件包版本2.1-2。
[9] 库克，R.D.，《回归图形：通过图形研究回归的想法》，（1998年），威利纽约·Zbl 0903.62001
[10] Cook，R.D.，《在充分降维中测试预测因子的贡献》，Ann.Statist。，32, 3, 1062-1092, (2004) ·Zbl 1092.62046号
[11] Cook，R.D.，Fisher讲座，统计师。科学。，22, 1, 1-26, (2007) ·Zbl 1246.62148号
[12] 库克·R·D。；Forzani，L.，回归中降维的主拟合分量，Statist。科学。，23485-5012008年·Zbl 1329.62274号
[13] 库克·R·D。；Ni，L.，《通过逆回归实现充分降维：最小差异方法》，J.Amer。统计师。协会，100927-1010，（2005）
[14] 库克·R·D。；Weisberg，S.，《回归中的残差和影响》（1982），查普曼和霍尔出版社，伦敦和纽约·Zbl 0564.62054号
[15] Donoho，D.，《软阈值去噪》，IEEE Trans。通知。理论，41，3，613-627，（1995）·Zbl 0820.62002号
[16] Enz，R.，《全球价格和收益》（1991年），瑞士联合银行
[17] 范，J。；Li，R.，通过非冲突惩罚似然进行变量选择及其预言性质，J.Amer。统计师。协会，96，456，（2001）·Zbl 1073.62547号
[18] 范，J。；Lv，J.，超高维特征空间的确定独立筛选，J.R.Stat.Soc.Ser。B、 70849-911（2008）·Zbl 1411.62187号
[19] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降广义线性模型的正则化路径，J.Stat.Softw。，33, 1, (2010)
[20] 冷，C。；Lin，Y。；Wahba，G.，关于套索和模型选择相关程序的注释，统计师。Sinica，16，1273-1284，（2006）·Zbl 1109.62056号
[21] Li，K.C.，降维切片逆回归（讨论），J.Amer。统计师。协会，86，316-342，（1991）·Zbl 0742.62044号
[22] Li，K.C.，《关于数据可视化和降维的主要Hessian方向：stein引理的另一个应用》，J.Amer。统计师。协会，87，1025-1039，（1992）·Zbl 0765.62003年
[23] Li，L.，稀疏充分降维，Biometrika，94，3，603-613，（2007）·Zbl 1135.62062号
[24] Li，B。；Wang，S.，《关于降维的方向回归》，J.Amer。统计师。协会，102997-1008，（2007）·Zbl 1469.62300号
[25] 李，L。；Yin，X.，带正则化的切片逆回归，生物统计学，64，1，124-131，（2008）·Zbl 1139.62055号
[26] 《统计计算的语言和环境》（2013），奥地利维也纳R统计计算基金会，R开发核心团队
[27] Tibshirani，R.，通过套索进行回归收缩和选择，J.R.Stat.Soc.Ser。B、 58267-288（1996）·Zbl 0850.62538号
[28] 王涛；朱，李兴，稀疏充分降维使用最优评分，计算。统计师。数据分析。，57, 223-232, (2013) ·兹比尔1365.62226
[29] 薛，L。；马，S。；Zou，H.，大协方差矩阵的正定（l_1）惩罚估计，J.Amer。统计师。协会，1075001480-1491，（2012）·Zbl 1258.62063号
[30] 钟伟。；曾，P。；马，P。；Liu，J.S。；Zhu，Y.，RSIR：用于模体发现的正则切片逆回归，生物信息学，21，22，4169-4175，（2005）
[31] 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、 67，301-320，（2005），第2部分·Zbl 1069.62054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。