范建清;冯、杨;宋睿 稀疏超高维可加模型中的非参数独立筛选。 （英语） Zbl 1232.62064号 美国统计协会。 106，编号494，544-557（2011）. 摘要：通过相关学习提出了一种变量筛选程序J.范和J.吕[J.R.Stat.Soc.，Ser.B 70，849–911（2008）]减少稀疏超高维模型中的维数。即使真实模型是线性的，边际回归也可能是高度非线性的。为了解决这个问题，我们进一步将相关学习扩展到边缘非参数学习。我们的非参数独立性筛选（NIS）是一种特定类型的确定独立性筛选。我们提出了几个密切相关的变量筛选程序。我们表明，在一般非参数模型下，在一些温和的技术条件下，所提出的独立筛选方法具有一定的筛选特性。独立筛选可以降低维度的程度也被明确量化。作为方法论的扩展，我们还提出了一种数据驱动的阈值化和迭代非参数独立筛选（INIS）方法，以提高有限样本拟合稀疏可加模型的性能。仿真结果和实际数据分析表明，该方法在样本量适中、维数大的情况下效果良好，优于同类方法。 引用于230文件 MSC公司： 62G08号 非参数回归和分位数回归 65C60个 统计中的计算问题（MSC2010） 关键词：非参数回归;稀疏性;确定独立性筛选;变量选择 软件：汞 PDF格式BibTeX公司 XML格式引用 \textit{J.Fan}等人，J.Am.Stat.Assoc.106，No.494，544--557（2011；Zbl 1232.62064） 全文： 内政部 arXiv公司 链接