牛勇;张日泉;刘继才;李华鹏 加性模型下超高维纵向数据的非参数独立性筛选。 （英语） Zbl 1411.62105号 J.非参数统计。 30，第4期，884-905（2018）. 作者研究了边际非参数筛选方法，以选择可加模型中的相关协变量。他们在超高维设置中处理纵向数据，并假设纵向数据来自可描述为\[Y\left（t\right）=m\left（\mathbf｛X｝\left（t\right）\right）+\epsilon\left（t\right）=\sum^｛p｝_{k=1}m_{k}\左（X^{\左（k\右）}\左，\]其中，\（Y\left（t\right）\）是标量响应过程，\（mathbf{X}left（t/right）=left（X^{left（1\right）}left右）\left|\mathbf{X}\左（t\right）\右。\右）=0\）。根据作者的摘要：开发了一种新的数据驱动阈值法和迭代程序。特别是，提出了一种样本分割方法，以进一步降低误选择率。虽然每个受试者的重复测量是相关的，但理论上确定了可靠的筛选特性。据我们所知，纵向数据筛选在文献中很少出现，我们的方法可以看作是非参数独立筛选方法的一个重要扩展。进行了广泛的仿真研究，以说明所提方法和过程的有限样本性能。最后，将所提出的方法应用于酵母周期基因表达数据集，以鉴定细胞周期调控基因和转录因子。审核人：维埃斯·瓦夫·朱比季埃拉（米德齐亚纳·戈拉）（Wiesław Dziubdziela（Miedziana Gora）） 引用于1文件 理学硕士： 62G08号 非参数回归和分位数回归 62J05型 线性回归；混合模型 关键词：超高维数据;纵向数据;可加模型;非参数独立筛选;确定屏蔽性能;稀疏 PDF格式BibTeX公司 XML格式引用 \textit{Y.Niu}等人，J.非参数统计30，No.4，884--905（2018；Zbl 1411.62105） 全文： 内政部 参考文献： [1] Cheng，M.-Y。；本田，T。；李，J。；Peng，H.，超高维纵向数据的非参数独立筛选和结构识别，统计学年鉴, 42, 1819-1849, (2014) ·Zbl 1305.62169号 ·doi:10.1214/14-AOS1236 [2] Chun，H。；Keles，S.，同时降维和变量选择的稀疏偏最小二乘回归，英国皇家统计学会杂志，B辑：统计方法, 72, 3-25, (2010) ·Zbl 1411.62184号 ·文件编号：10.1111/j.1467-9868.2009.00723.x [3] Diggle，P。；Heagerty，P。；Liang，K。；Zeger，S。，纵向数据分析，（2002），牛津大学出版社，纽约 [4] 范，J。；Feng，Y。；Song，R.，稀疏超高维可加模型中的非参数独立筛选，美国统计协会杂志, 106, 544-557, (2011) ·Zbl 1232.62064号 ·doi:10.1198/jasa.2011.tm09779 [5] 范，J。；Lv，J.，《超高维特征空间的确定独立筛选》（讨论），英国皇家统计学会期刊，B辑：统计方法，701849-911，（2008）·Zbl 1411.62187号 ·doi:10.1111/j.1467-9868.2008.00674.x [6] 范，J。；马云（Ma，Y.）。；Dai，W.，稀疏超高维变系数模型中的非参数独立筛选，美国统计协会杂志, 109, 1270-1284, (2014) ·Zbl 1368.62095号 ·doi:10.1080/01621459.2013.879828 [7] 范，J。；萨姆沃思，R。；Wu，Y.，超高维变量选择：超越线性模型，机器学习研究杂志, 10, 1829-1853, (2009) [8] 范，J。；Song，R.，具有NP维的广义线性模型中的确定独立筛选，统计学年鉴, 38, 3567-3604, (2010) ·Zbl 1206.68157号 ·doi:10.1214/10-AOS798 [9] 何，X。；Wang，L。；Hong，H.G.，高维异质数据的分位数自适应无模型变量筛选，统计学年鉴，41342-369，（2013）·Zbl 1295.62053号 ·doi:10.1214/13-AOS1087 [10] 黄，J。；霍洛维茨，J.L。；Wei，F.，非参数可加模型中的变量选择，统计学年鉴, 38, 2282-2313, (2010) ·兹比尔1202.62051 ·doi:10.1214/09-AOS781 [11] 黄J.Z。；吴总。；周，L.，具有纵向数据的变系数模型的多项式样条估计和推断，中国统计局, 14, 763-788, (2004) ·Zbl 1073.62036号 [12] 2008年，“大型内核机器集合中的稀疏恢复”，in2008年7月9日至12日在芬兰赫尔辛基举行的2008年第21届学习理论年会，编辑R.A.Servedio和T.Zhang，麦迪逊：全方位出版社，第229-238页 [13] Lee，T.I。；新泽西州里纳尔迪。；罗伯特·F。；Odom，D.T。；Bar-Joseph，Z。；Gerber，G.K。；新墨西哥州汉内特。；Harbison，C.T。；汤姆森，C.M。；西蒙，I。；Zeitlinger，J。；詹宁斯，E.G。；Murray，H.L。；戈登，D.B。；Ren，B。；Wyrick，J.J。；Tagne，J.-B。；Volkert，T.L。；Fraenkel，大肠杆菌。；吉福德，D.K。；Young，R.A.，转录调控网络酿酒酵母,科学类, 298, 799-804, (2002) ·doi:10.1126/science.1075090 [14] 李，R。；钟伟。；Zhu，L.，通过距离相关学习进行特征筛选，美国统计协会杂志, 107, 1129-1139, (2012) ·Zbl 1443.62184号 ·doi:10.1080/01621459.2012.695654 [15] Liang，K。；Zeger，S.L.，使用广义线性模型进行纵向数据分析，生物特征, 73, 13-22, (1986) ·Zbl 0595.62110号 ·doi:10.1093/biomet/73.1.13 [16] Meier，L。；van de Geer，S。；Bühlmann，P.，高维加性建模，统计学年鉴, 37, 3779-3821, (2009) ·Zbl 1360.62186号 ·doi:10.1214/09-AOS692 [17] 拉维库马尔，P。；刘，H。；Lafferty，J。；Wasserman，L.，Spam：稀疏加性模型，英国皇家统计学会杂志，B辑：统计方法, 71, 1009-1030, (2009) ·Zbl 1411.62107号 ·文件编号：10.1111/j.1467-9868.2009.00718.x [18] 邵，X。；Zhang，J.，鞅差分相关及其在高维变量筛选中的应用，美国统计协会杂志, 109, 1302-1318, (2014) ·Zbl 1368.62157号 ·doi:10.1080/01621459.2014.887012 [19] 斯佩尔曼，P.T。；夏洛克，G。；张敏秋。；V.R.Iyer。；Anders，K。；艾森，M.B。；布朗，P.O。；博茨坦，D。；Futcher，B.，通过微阵列杂交综合鉴定酿酒酵母的细胞周期调节基因，细胞分子生物学，9，3273-3279，（1998年）·doi:10.1091/mbc.9.12.3273 [20] Stone，C.J.，加性回归和其他非参数模型，统计学年鉴, 13, 689-705, (1985) ·Zbl 0605.62065号 ·doi:10.1214/aos/1176349548 [21] 谢凯利，G.J。；Rizzo，M.L。；Bakirov，N.K.，通过距离相关性测量和测试相关性，统计学年鉴, 35, 2769-2794, (2007) ·Zbl 1129.62059号 ·doi:10.1214/0090536007000000505 [22] 范德法特，A.W。；J.A.Wellner。，弱收敛与经验过程，（1996），纽约斯普林格·Zbl 0862.60002号 [23] Wang，L。；陈，G。；Li.，H.，微阵列时间进程基因表达数据的组扫描回归分析，生物信息学，231486-1494，（2007年）·doi:10.1093/bioinformatics/btm125 [24] Xue，L.，加性模型中的一致变量选择，中国统计局, 19, 1281-1296, (2009) ·Zbl 1166.62024号 [25] 袁，M。；Lin，Y.，分组变量回归中的模型选择和估计，英国皇家统计学会杂志，B辑：统计方法, 68, 49-67, (2006) ·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x [26] 赵S.D。；Li，Y.，具有超高维协变量的Cox模型的原则确定独立性筛选，多元分析杂志，105397-411，（2012年）·Zbl 1233.62173号 ·doi:10.1016/j.jmva.2011.08.002 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。