缺失数据下超高维线性模型的变量筛选

• 作者: 周庆燕 姚军娥 李建波 王秀平 贺佳钰
• 来源期刊: 江苏师范大学学报（自然科学版）
• 学科: 数学
• 关键词: 变量筛选器 超高维线性模型 缺失数据 逆概率加权 LASSO
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 数学与统计科学
• 页码范围: 52-56
• 页数: 5页
• 分类号: O212.7
• 字数: 4881字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4298.2020.01.011

摘要

在响应变量随机缺失情形下,研究超高维线性模型的确定性独立变量筛选问题.首先,使用逻辑线性回归模型拟合响应变量的缺失变量与相应协变量,估计响应变量的缺失概率;然后,建立基于逆概率加权最小二乘的效用函数,通过它将协变量维数降到较低水平;最后,运用基于LASSO惩罚的逆概率加权最小二乘方法对协变量进行更精细的筛选,达到协变量超高维降维的目的.数值模拟和实例分析表明,所研究的变量筛选方法对有限样本的情形表现良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秀平	聊城大学药学院	6	2	1.0	1.0
2	李建波	江苏师范大学数学与统计学院	6	31	1.0	5.0
3	周庆燕	聊城市东昌府人民医院妇产科	2	0	0.0	0.0
4	贺佳钰	江苏师范大学数学与统计学院	1	0	0.0	0.0
8	姚军娥	聊城市东昌府人民医院妇产科	1	0	0.0	0.0