×
W.孙。;宾德勒，H.F。;A.阿贝贝。;科雷亚，H.E。

单指标变系数回归模型的稳健函数系数选择。 （英语） Zbl 07493350号

J.统计计算。模拟 91，第8期，1681-1697（2021）.
小结：考虑了单指标变系数回归模型中基于秩的函数回归系数的估计和选择。函数回归系数的估计和选择过程是按照一种拟议的后置式计算算法进行的，该算法通过最小化基于秩的目标函数来实现的。通过广泛的蒙特卡罗模拟研究评估了所提出估计器的有限样本性能。这证明了在不同的模型误差分布设置下，与最小二乘估计量相比，该估计量的鲁棒性和效率。以深海鱼类生态学中的问题为例，给出了一个实际数据示例来说明所提出的方法。

MSC公司：

62J02型 一般非线性回归
62G05型 非参数估计
2012年12月62日 参数估计量的渐近性质
6220国集团 非参数推理的渐近性质
62至XX 统计

关键词：

LASSO组;型号选择;非参数估计;秩伪模;半参数模型

软件：

R（右）
PDF格式BibTeX公司 XML格式引用
\textit{W.Sun}等人，《统计计算杂志》。模拟91，No.8，1681--1697（2021；Zbl 07493350）
全文： 内政部

参考文献：

[1] Breiman，L.，使用非负garrote进行更好的子集选择，科技计量学，37373-384（1995）·Zbl 0862.62059号
[2] Tibshirani，R.，通过套索进行回归收缩和选择，J R Stat Soc Ser B（Methodol），58，1，267-288（1996）·兹比尔0850.62538
[3] 范，J。；Li，R.，《基于非一致惩罚似然的变量选择及其预言属性》，美国统计协会，96，456，1348-1360（2001）·Zbl 1073.62547号
[4] Zou，H.，《自适应套索及其预言属性》，美国统计学会期刊，101，476，1418-1429（2006）·Zbl 1171.62326号 ·doi:10.1198/016214500000735
[5] 王，Q。；Yin，X.，高维数据的非线性多维变量选择方法：稀疏mave，计算统计数据分析，52，4512-4520（2008）·兹比尔1452.62136
[6] 夏，Y。；Tong，H。；Li，WK，降维空间的自适应估计，J Roy Stat Soc B，64，3，363-410（2002）·Zbl 1091.62028号
[7] 曾，P。；He，T。；Zhu，Y.，单指标模型中估计和变量选择的套索型方法，计算图统计杂志，21，92-109（2012）
[8] Wang，H。；Xia，Y.，变系数模型的收缩率估计，J Am Stat Assoc，104，486，747-757（2009）·Zbl 1388.62213号 ·doi:10.1198/jasa.2009.0138
[9] 蔡，Z。；Juhl，T。；Yang，B.，变量选择的函数指数系数模型，经济学杂志，189，272-284（2015）·Zbl 1337.62245号
[10] Feng，S。；薛，L.，单指标变系数模型的模型检测与估计，J Multivar Ana，139，227-244（2015）·Zbl 1328.62205号
[11] 冯·L。；邹，C。；Wang，Z.，变系数模型中基于鲁棒样条的变量选择，Metrika，78，1，85-118（2015）·Zbl 1333.62115号
[12] Song，Y。；Jian，L。；Lin，L.，高维单指标变系数模型的稳健指数平方损失变量选择，计算应用数学杂志，308330-345（2016）·Zbl 1346.62083号
[13] 奥斯本，M。；Presnell，B。；Turlach，B.，《最小二乘问题中变量选择的新方法》，IMA J Numer Ana，20，3，389-404（2000）·Zbl 0962.65036号
[14] 埃夫隆，B。；哈斯蒂，T。；Johnstone，I.，《最小角回归》，《Ann Statist》，第32、2、407-499页（2004年）·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[15] Sun，W。；宾德尔，HF；Abebe，A.，单指标变系数模型的一般局部秩估计，J Stat Plan Inference，202，57-79（2019）·Zbl 1422.62261号
[16] 范，J。；姚明，Q。；Cai，Z.，自适应变系数线性模型，J R Stat Soc Ser B（Stat Methodol），65，1，57-80（2003）·Zbl 1063.62054号
[17] 袁，M。；Lin，Y.，分组变量回归中的模型选择和估计，J R Stat Soc Ser B（Stat Methodol），68，1，49-67（2006）·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[18] Hastie，T，Tibshirani，R，Friedman，J。统计学习的要素。纽约州：施普林格纽约公司。；2001年（统计中的斯普林格系列）·Zbl 0973.62007号
[19] Wang，H。；李，R。；Tsai，CL.，平滑剪裁绝对偏差方法的调整参数选择器，Biometrika，94，3，553（2007）·Zbl 1135.62058号
[20] R核心团队，R：统计计算语言和环境（2020年），维也纳（奥地利）：R统计计算基金会，维也纳（澳大利亚）
[21] Aydin，K，Barbeaux，S，Barnard，D等。白令海/阿留申群岛地区底栖鱼类资源的种群评估和渔业评估报告。北太平洋渔业管理委员会；2015
[22] Goen，J，Erikson，L.渔业统计。国际太平洋比目鱼委员会；2017年，IPHC-2018-AM094-05。
[23] 国家海洋渔业局。《美国渔业》，2014年。美国商务部；2014年，美国国家海洋和大气管理局2014年渔业现状统计。可从以下位置获得：https://www.st.nmfs.noaa.gov/Assets/commercial/fus/fus14/documents/FUS2014.pdf。
[24] Sigler，MF；路易斯安那州伦斯福德，阿拉斯加黑貂延绳钓调查协议（2014），朱诺（阿拉斯加）：阿拉斯加渔业科学中心，朱诺
[25] AFSC。NOAA MESA：长线调查[在线]。2015年[访问日期：2014年4月14日]。可从以下位置获得：http://www.afsc.noaa.gov/ABL/MESA/MESA_sfs_ls.php。
[26] 国家数据浮标中心。从国家数据浮标中心海岸-海洋自动化网络（c-man）和系泊（气象）浮标收集的气象和海洋数据。2018年。发布时间：https://accession.nodc.noaa.gov/NDBC-CMANWx。
[27] O'Brien，T.Copepod：全球浮游生物数据库。审查2007年数据库内容和新的质量控制方法。美国商务部；2007年（NOAA技术备忘录；NMFS-F/ST-34）。
[28] 李，L。；Losser，T。；Yorke，C.，《基于快速反距离加权的时空插值：使用并行编程和k-d树在美国连续地区插值每日细颗粒物pm 2.5的基于网络的应用》，Int J Environ-Res Public Health，11，9，9101-9411（2014）
[29] 赫斯特，TP；劳雷尔，BJ；Ciannelli，L.，太平洋鳕鱼（Gadus macrocephalus）早期生命阶段的个体发生模式和温度依赖性生长速率，《渔业公牛》，108，4，382-392（2010）
[30] 赫斯特，TP；莫斯，JH；马萨诸塞州米勒。，白令海东部0群太平洋鳕鱼在不同补给和热条件下的分布模式，ICES J Mar Sci，69，2163-174（2012）
[31] 赫斯特，TP；蒙奇，SB；科罗拉多州拉维尔。，太平洋鳕鱼（Gadus macrocephalus）不同群体的生长热反应标准不同，Mar Biol，159，10，2173-2183（2012）·doi:10.1007/s00227-012-2003-9
[32] 克拉克，工作组；兔子，SR；帕尔马，AM，太平洋大比目鱼（狭齿河马）生长和补充的十年变化，《鱼类科学杂志》，56，2，242-252（1999）·数字对象标识代码：10.1139/f98-163
[33] 斯通纳，AW；马里兰州奥特马；TP赫斯特。，温度影响太平洋大比目鱼的活动和摄食动机：对依赖诱饵捕鱼的影响，鱼类研究，81，2-3，202-209（2006）
[34] 斯通，AW；马萨诸塞州奥特马，《太平洋大比目鱼摄食后的鱼类密度和大小：对种群评估的影响》，《鱼类生物学杂志》，64，6，1712-1724（2004）·doi:10.1111/j.0022-1112.2004.00434.x
[35] 劳雷尔，B。；斯通，A。；Ryer，C.，《使用围网、诱饵相机和实验室技术比较太平洋鳕鱼和其他鳕鱼幼鱼的栖息地关联》，《实验-海洋生物生态学杂志》，351，1，42-55（2007）
[36] 斯通，AW；Titgen，RH.，生物结构和底部类型影响阿拉斯加比目鱼的栖息地选择，《实验-海洋生物生态学杂志》，292，1，43-59（2003）
[37] 宾德尔，HF；Abebe，A.，有界影响非线性符号秩回归，Canad J Statist，40，1，172-189（2012）·Zbl 1236.62076号 ·doi:10.1002/cjs.10134
[38] 罗，X。；朱，L。；Zhu，H.，功能反应的单因次变系数模型，生物统计学，72，4，1275-1284（2016）·Zbl 1390.62291号
[39] 刘伟。；Sun，J。；Yang，J.，变系数部分函数线性回归模型中基于秩的估计，通信统计理论方法，1-14（2020）
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。