李云;王思坚;彼得·X·K·宋。;Naisyin王;周玲(Zhou,Ling);朱,季 高维纵向数据线性混合效应模型中的双重正则化估计和选择。 (英语) 兹比尔06944680 统计接口 11,第4期,721-737(2018). 摘要:线性混合效应模型(LMM)广泛应用于聚类或纵向数据的分析。本文旨在解决LMM应用于高维纵向数据时,估计和选择带来的分析挑战。我们在LMM中开发了一种双重正则化方法,以同时选择固定效应和随机效应。在理论方面,我们为所提出的方法在高维设置下建立了大样本特性,允许固定效应和随机效应的数量远大于样本量。我们为发散率提出了新的正则性条件,在该条件下,该方法实现了估计和选择的一致性。此外,我们提出了一种新的算法,有效地解决了相关的优化问题,使其计算成本与LMM中最大似然估计的Newton-Raphson算法相当。通过仿真研究,我们评估了所提出的正则化LMM在变量选择和估计两方面的性能。我们还通过两个数据分析示例说明了该方法。 引用于4文件 MSC公司: 62J05型 线性回归;混合模型 62J07型 岭回归;收缩估计器(拉索) 2012年12月62日 参数估计量的渐近性质 关键词:发散率;正规化;随机效应选择;变量选择 PDF格式BibTeX公司 XML格式引用 \textit{Y.Li}等人,《统计接口11》,第4期,721--737(2018;Zbl 06944680) 全文: DOI程序