期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
超高维部分线性模型的PGFR变量筛选 预览
1
作者 赖秋楠 李玉杰 李高荣 《应用概率统计》 CSCD 北大核心 2017年第6期608-624,共17页
本文考虑超高维部分线性模型,其中线性部分的维数p大于样本量n,且维数p随着样本量n呈指数阶增长.首先,利用半参数回归的profile方法,把超高维部分线性模型转化成超高维线性模型.其次,为了对高维线性分量进行有效的变量筛选,考虑到... 本文考虑超高维部分线性模型,其中线性部分的维数p大于样本量n,且维数p随着样本量n呈指数阶增长.首先,利用半参数回归的profile方法,把超高维部分线性模型转化成超高维线性模型.其次,为了对高维线性分量进行有效的变量筛选,考虑到协变量之间的相关性,结合贪婪算法和向前回归变量筛选方法,针对部分线性模型,提出了profile贪婪向前回归(PGFR)变量筛选方法.在一定正则条件下,证明了所提PGFR方法具有筛选相合性.为了确定所选模型是否能够依概率趋于1包含真实模型,进一步提出了BIC准则.最后,通过模拟研宄和实例分析验证了PGFR方法在有限样本下的完成情况. 展开更多
关键词 部分线性模型 profile贪婪向前回归 超高维数据 筛选相合性 变量筛选
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈