二元选择分位回归的自适应LASSO改进

• 作者: 张翠霞 李楚进
• 来源期刊: 经济数学
• 学科: 数学
• 关键词: 应用统计数学 分位回归 自适应LASSO 变量选择 二元选择模型
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 应用数学
• 页码范围: 89-97
• 页数: 9页
• 分类号: O212.1
• 字数: 5749字
• 语种: 中文

摘要

为避免模型出现过拟合,将自适应LASSO变量选择方法引入二元选择分位回归模型,利用贝叶斯方法构建Gibbs抽样算法并在抽样中设置不影响预测结果的约束条件||β||=1以提高抽样值的稳定性.通过数值模拟,表明改进的模型有更为良好的参数估计效率、变量选择功能和分类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李楚进	华中科技大学数学与统计学院	15	28	3.0	4.0
2	张翠霞	华中科技大学数学与统计学院	1	0	0.0	0.0