×
吉安卢卡·索蒂莱;保罗·弗鲁门托;马塞洛·奇奥迪;博泰，马蒂奥

通过分位数回归系数模型进行协变量选择的惩罚方法。 （英文） Zbl 07259253号

统计模型。 20，第4期，369-385（2020）.
摘要：分位数回归模型的系数是分位数阶数的一对一函数。在标准分位数回归（QR）中，每次估计一个分位数。另一种可能性是对系数函数进行参数化建模，这种方法称为分位数回归系数建模（QRCM）。与标准QR相比，QRCM方法有助于估计、推断和解释结果，并生成更有效的估计量。我们设计了一种惩罚方法，可以在这个特定的建模框架中处理协变量的选择。与标准惩罚分位数回归估计器不同，在这种估计器中，模型选择是分位数特定的，我们的方法允许同时使用所有分位数的信息。我们描述了估计器，提供了仿真结果，并分析了激发本文的数据。建议的方法在qrcmNP公司R包装。

引用于2文件

MSC公司：

62至XX 统计

关键词：

吸气量;拉索惩罚;惩罚综合损失最小化(PILM公司);惩罚分位数回归系数建模{量化风险管理}_p)\);调谐参数选择

软件：

格尔姆奈特;qrcmNP公司;cov测试;质量控制模型;rq笔;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{G.Sottile}等人，统计模型。20，编号4369-385（2020；兹bl 07259253）
全文： 内政部

参考文献：

[1] M·阿布拉莫维茨，I·斯特根（1964）数学函数手册：公式、图形和数学表第55卷。马萨诸塞州切姆斯福德：Courier Corporation·Zbl 0171.38503号
[2] Akaike，H（1974）统计模型识别的新视角。IEEE自动控制汇刊, 19, 716-23. ·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705
[3] Belloni，A，Chernozhukov，V（2013）高维稀疏模型中模型选择后的最小二乘法。伯努利, 19, 521-47. ·Zbl 1456.62066号 ·doi:10.3150/11-BEJ410
[4] Belloni，A，Chernozhukov，V（2011）高维稀疏模型中的L1惩罚分位数回归。统计年刊, 39, 82-130. ·Zbl 1209.62064号 ·doi:10.1214/10-AOS827
[5] Belloni，A，Chernozhukov，V，Hansen，C（2014）在高维对照中进行选择后对治疗效果的推断。经济研究综述, 81, 608-50. ·Zbl 1409.62142号 ·doi:10.1093/restud/rdt044
[6] Beran，R（1982）估计抽样分布：自举和竞争对手。统计年鉴, 10, 212-25. ·Zbl 0485.62037号 ·doi:10.1214/aos/1176345704
[7] Bottai，M，Pistelli，F，Di Pede，F，Baldaci，S，Simoni，M、Maio，S，Carrozzi，L，Viegi，G（2011）《健康非吸烟者吸气能力百分比：初步研究》。呼吸，82254-62·数字对象标识代码：10.1159/000327206
[8] Bühlmann，P，Van De Geer，S（2011）高维数据统计：方法、理论与应用柏林：施普林格科技与商业媒体·Zbl 1273.62015年 ·doi:10.1007/978-3-642-20192-9
[9] Chaudhuri，P（1991）条件分位数函数及其导数的全局非参数估计。多元分析杂志, 39, 246-69. ·Zbl 0739.62028号 ·doi:10.1016/0047-259X（91）90100-G
[10] Craven，P，Wahba，G（1979）用样条函数平滑噪声数据。数值数学, 31, 377-403. ·Zbl 0377.65007号 ·doi:10.1007/BF01404567
[11] Efron，B，Hastie，T，Johnstone，I，Tibshirani，R（2004）最小角度回归。统计年刊, 32, 407-99. ·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[12] Fan，J，Li，R（2001）基于非冲突惩罚似然的变量选择及其预言性质。美国统计协会杂志, 96, 1348-60. ·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[13] Friedman，J，Hastie，T，Tibshirani，R（2010）通过坐标下降法实现广义线性模型的正则化路径。统计软件杂志, 33, 1-22. ·doi:10.18637/jss.v033.i01
[14] Frumento，P（2017）qrcm：分位数回归系数建模。R包版本2.1。统一资源定位地址https://CRAN.R-project.org/（上次访问时间为2019年1月11日）。
[15] Frumento，P，Bottai，M（2016）分位数回归系数函数的参数建模。生物计量学, 72, 74-84. ·Zbl 1393.62064号 ·doi:10.1111/biom.12410
[16] Frumento，P，Bottai，M（2017）《分位数回归系数函数的参数建模与截尾数据》。生物计量学, 73, 1179-88. ·Zbl 1405.62128号 ·doi:10.1111/biom.12675
[17] Javanmard，A，Montanari，M（2014）高维回归的置信区间和假设检验。机器学习研究杂志, 15, 2869-2909. ·Zbl 1319.62145号
[18] Koenker，R，Bassett，J（1978）回归分位数。计量经济学, 46, 33-50. ·Zbl 0373.62038号 ·doi:10.2307/1913643
[19] Kyung，M，Gilly，J，Ghoshz，M，Casella，G（2010），惩罚回归，标准误差和贝叶斯套索。贝叶斯分析, 5, 1-44. ·doi:10.1214/10-BA607
[20] Lee，E，Noh，H，Park，B（2014）通过分位数回归模型的贝叶斯信息标准进行模型选择。美国统计协会杂志, 109, 216-29. ·Zbl 1367.62122号 ·doi:10.1080/01621459.2013.836975
[21] Lee，J，Sun，D，Sun，Y，Taylor，JE（2016）《精确后选择推理及其在套索中的应用》。统计年鉴, 44, 907-27. ·Zbl 1341.62061号 ·doi:10.1214/15-AOS1371
[22] Li，Y，Zhu，J（2008）L1-形式分位数回归。计算与图形统计杂志, 17, 163-85. ·doi:10.1198/106186008X289155
[23] Lockhart，R，Taylor，J，Tibshirani，R，Tibshirani，R（2014）套索的显著性检验。统计年鉴, 42, 413-68. ·Zbl 1305.62254号 ·doi:10.1214/13-AOS1175
[24] Meinshausen，N，Bühlmann，P（2012）高维回归的P值。美国统计协会杂志, 104, 1671-81. ·Zbl 1205.62089号 ·doi:10.1198/jasa.2009.tm08647
[25] Nishii，R（1984）多元回归中变量选择标准的渐近性质。统计年刊, 12, 758-65. ·Zbl 0544.62063号 ·doi:10.1214/aos/1176346522
[26] Osborne，M，Presnell，B，Turlach，B（2000）《套索及其对偶》。计算图形统计杂志, 9, 319-37.
[27] Schwarz，G（1978）估算模型的维数。统计年刊, 6, 461-64. ·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136
[28] Sherwood，B，Maidman，A（2017）rqPen:Pena-lized分位数回归。R软件包版本2.0。统一资源定位地址https://CRAN.R-项目。[org/package=rqPen]（上次访问时间：2019年1月11日）。
[29] Sottile，G（2018）qrcmNP:分位数回归系数函数的非线性和惩罚参数建模。R包版本0.1.2。统一资源定位地址https://CRAN.R-项目。[org/package=qrcmNP]（上次访问时间：2019年1月11日）。
[30] Sun，W，Reich，B，Tony，C，Guindani，M，Schwartzman，A（2015）大规模空间多重测试中的错误发现控制。英国皇家统计学会杂志：B辑, 77, 59-83. ·Zbl 1414.62043号 ·doi:10.1111/rssb.12064
[31] Tibshirani，R（1996）通过套索回归收缩和选择。英国皇家统计学会杂志：B辑，58267-88·Zbl 0850.62538号
[32] Van，de，Geer，S，Bühlmann，S，Ritov，Y，Dezeure，R（2014）关于高维模型的渐近最优置信区域和检验。统计年鉴, 42, 1166-1202. ·Zbl 1305.62259号 ·doi:10.1214/14-AOS1221
[33] Wang，L，Wu，Y，Li，R（2012）用于分析超高维异质性的分位数回归。美国统计协会杂志, 107, 214-22. ·Zbl 1328.62468号 ·doi:10.1080/01621459.2012.656014
[34] Wu，Y，Liu，Y（2009）分位数回归中的变量选择。中国统计局, 19, 801-17. ·Zbl 1166.62012年
[35] Yang，C，Chen，Y，Chang，H（2017）纵向青少年体重指数数据的复合边际分位数回归分析。医学统计学, 36, 3380-97. ·doi:10.1002/sim.7355
[36] 张，C，张，S（2014）高维线性模型中低维参数的置信区间。英国皇家统计学会杂志：B辑, 76, 217-42. ·Zbl 1411.62196号 ·doi:10.1111/rssb.12026
[37] Zhang，Y，Li，R，Tsai，C（2010）基于广义信息准则的正则化参数选择。美国统计协会杂志, 105, 312-23. ·Zbl 1397.62262号 ·doi:10.1198/jasa.2009.tm08013
[38] Zhao，P，Yu，B（2006年11月）关于套索的模型选择一致性。机器学习研究杂志, 7, 2541-63. ·Zbl 1222.62008年
[39] Zheng，Q，Peng，L（2017）变系数分位数回归与BIC调整参数选择的一致模型识别。统计学中的传播：理论与方法, 46, 1031-49. ·Zbl 1360.62404号 ·doi:10.1080/03610926.2015.1010009
[40] Zheng，Q，Gallagher，C，Kulasekera，K（2013）高维数据的自适应惩罚分位数回归。统计规划与推断杂志, 143, 1029-38. ·Zbl 1428.62173号 ·doi:10.1016/j.jspi.2012.12.09
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。