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