×

稀疏部分线性回归模型的重构和估计。 (英语) Zbl 1477.62180号

小结:当回归模型中协变量的维数较高时,通常使用子模型作为包含重要变量的工作模型。但是,当删除的变量的系数不完全为零时,它可能有很大的偏差,并且所得到的感兴趣参数的估计值可能很差。本文基于选定的子模型,引入了一种两阶段重构方法,以获得感兴趣参数的一致估计。更准确地说,在第一阶段,通过多步调整,我们基于协变量之间的相关信息重建了一个无偏模型;在第二阶段,我们进一步用半参数变量选择方法对调整后的模型进行约简,同时得到感兴趣参数的一个新的估计量。得到了它的收敛速度和渐近正态性。仿真结果进一步表明,在点估计均方误差和模型预测均方误差的意义上,新的估计量优于子模型和全模型的估计量。

MSC公司:

62J05型 线性回归;混合模型
62英尺10英寸 点估计
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 沈晓东。;黄,H.-C。;Ye,J.,模型选择后的推断,《美国统计协会杂志》,99467751-762(2004)·Zbl 1117.62423号 ·doi:10.1198/0162145000001097
[2] 盖,Y。;林,L。;Wang,X.,高维部分线性模型有偏子模型的一致性推断,《统计规划与推断杂志》,141,51888-1898(2011)·Zbl 1209.62071号 ·doi:10.1016/j.jspi.2010.11.041
[3] 曾勇。;林,L。;Wang,X.,多维线性回归有偏子模型的多阶段调整一致性推断,数学科学学报,32,6,1019-1031(2012)·Zbl 1289.62057号
[4] 赵,P。;Xue,L.,半参数变系数部分线性模型的变量选择,统计学与概率快报,79,20,2148-2157(2009)·Zbl 1171.62026号 ·doi:10.1016/j.spl.2009.07.004
[5] 范,J。;Li,R.,通过非一致惩罚似然进行变量选择及其预言性质,美国统计协会杂志,96,456,1348-1360(2001)·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[6] Wang,L。;陈,G。;Li,H.,微阵列时程基因表达数据的组SCAD回归分析,生物信息学,23,121486-1494(2007)
[7] Wang,L。;李,H。;Huang,J.Z.,用于重复测量分析的非参数变系数模型中的变量选择,美国统计协会杂志,103,484,1556-1569(2008)·Zbl 1286.62034号 ·doi:10.1198/0162145000000788
[8] Simas Filho,E.F。;Seixas,J.M.,《非线性独立成分分析:理论综述与应用》,《学习与非线性模型》,5,2,99-120(2007)
[9] 范,J。;Feng,Y。;Song,R.,稀疏超高维加性模型中的非参数独立性筛选,美国统计协会杂志,106,494,544-557(2011)·Zbl 1232.62064号 ·doi:10.1198/jasa.2011.tm09779
[10] Stone,C.J.,非参数回归的最优全局收敛速度,《统计年鉴》,10,4,1040-1053(1982)·Zbl 0511.62048号 ·doi:10.1214/aos/1176345969
[11] Anderson,T.W.,《多元统计分析导论》(2003),John Wiley&Sons·Zbl 1039.62044号
[12] Rütimann,P。;Bühlmann,P.,通过有向非循环图进行高维稀疏协方差估计,《电子统计杂志》,31133-1160(2009)·Zbl 1326.62124号 ·doi:10.1214/09-EJS534
[13] 蔡,T。;Liu,W.D.,稀疏协方差矩阵估计的自适应阈值,美国统计协会杂志,106,494,672-684(2011)·Zbl 1232.62086号 ·doi:10.1198/jasa.2011.tm10560
[14] Zou,H.,自适应套索及其预言属性,《美国统计协会杂志》,101,476,1418-1429(2006)·Zbl 1171.62326号 ·doi:10.1198/016214500000735
[15] Hyvärinen,A。;Oja,E.,独立成分分析的快速定点算法,神经计算,9,7,1483-1492(1997)
[16] Härdle,W。;Liang,H。;Gao,J.T.,部分线性模型(2000),德国海德堡:物理,德国海德堡·Zbl 0968.62006年 ·doi:10.1007/978-3-642-57700-0
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。