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