组合惩罚似然估计下发散参数变量选择

• 作者: 华志强 宋立新 董莹
• 来源期刊: 大连理工大学学报
• 学科: 数学
• 关键词: 组合惩罚 贝叶斯信息准则(BIC) 变量选择 惩罚极大似然估计
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 应用数学
• 页码范围: 436-441
• 页数: 6页
• 分类号: O212
• 字数: 4814字
• 语种: 中文
• DOI: 10.7511/dllgxb201504016

摘要

在 Wang 等给出的组合惩罚函数的基础之上，将 SCAD 惩罚部分推广到一般的非凸惩罚的形式，利用岭回归在解释变量相关度较高情形下的良好表现，提出一种推广了的组合惩罚。在参数个数发散的情形之下，利用贝叶斯信息准则(BIC)来选择调整参数，能同时完成变量选择和参数估计。而且还可以证明在合适的条件之下，这种估计具有 Oracle 性质。模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋立新	大连理工大学数学科学学院	56	128	6.0	9.0
2	董莹	大连民族大学理学院	15	17	2.0	2.0
3	华志强	大连理工大学数学科学学院	49	89	5.0	7.0