黄、健;帕特里克·布莱尼;李桑根;马、双葛;张存辉 变量选择的Mnet方法。 （英语） Zbl 1356.62091号 统计正弦。 26，第3期，903-923（2016）. 总结：我们提出了一种惩罚方法，用于变量选择，使用极小极大凹和脊惩罚的组合。该方法旨在处理具有高度相关预测因子的（p\geq n）问题。我们称之为Mnet方法。类似于弹性网H.邹和T.哈斯蒂[J.R.Stat.Soc.，Ser.B，Stat.Methodol.67，No.2，301–320（2005；Zbl 1069.62054号)]Mnet倾向于选择或删除高度相关的预测因子。然而，与弹性网不同的是，Mnet是选择一致的，并且在合理的条件下与概率较高的预言岭估计相等。我们开发了一种有效的坐标下降算法来计算Mnet估计。仿真研究表明，与弹性网或MCP相比，Mnet在存在高度相关预测因子的情况下具有更好的性能。我们说明了Mnet在眼科基因表达研究数据中的应用。 引用于16文件 MSC公司： 62J07型 岭回归；收缩估计器（拉索） 62J05型 线性回归；混合模型 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：相关预测因子;极小极大凹罚;oracle属性;\（p>n\）问题;岭回归 引文：Zbl 1069.62054号 PDF格式BibTeX公司 XML格式引用 \textit{J.Huang}等人，Stat.Sin。26，第3号，903--923（2016；Zbl 1356.62091） 全文： 内政部 链接