超高维数据边际经验似然独立筛选方法

• 作者: 张俊英 张日权 王航 陆智萍
• 来源期刊: 应用概率统计
• 学科: 数学
• 关键词: 边际经验似然筛选 非参回归模型 变量选择 维数缩减
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 126-140
• 页数: 15页
• 分类号: O212.7
• 字数: 3441字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4268.2019.02.002

摘要

可加模型通过协变量函数对响应变量起作用,是更加灵活的非参统计模型.当协变量个数大于样本数且以指数阶增大时,将维数降到经典方法可解决的范围是统计学家急需解决的问题.本文研究了超高维数据可加模型的变量筛选问题,提出了边际经验似然变量筛选方法.该方法通过排列在0点的边际经验似然率选择变量.我们证明了选择变量集以概率1渐进包含真实变量集;提出了迭代边际经验似然变量筛选方法.数据模拟和实数据分析验证了所提方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张日权	华东师范大学统计学院	27	68	6.0	7.0
5	陆智萍	华东师范大学统计学院	4	2	1.0	1.0
6	张俊英	华东师范大学统计学院	1	0	0.0	0.0
10	王航	太原理工大学数学系	1	0	0.0	0.0