文献类型：期刊文章

作　　者：赖秋楠[1] 李玉杰[1] 李高荣[2]

LAI QiuNan;LI YuJie;LI GaoRong(College of Applied Sciences, Beijing University of Technology, Beijing, 100124, China;Beijing Institute for Scientific and Engineering Computing, Beijing University of Technology, Beijing, 100124, China)

机构地区：[1]北京工业大学应用数理学院,北京100124 [2]北京工业大学北京科学与工程计算研究院,北京100124

出　　处：《应用概率统计》

基　　金：国家自然科学基金项目(批准号:11471029);北京市自然科学基金项目(批准号:1142002);北京市教育委员会科技计划面上项目(批准号:KM201410005010)资助

年　　份：2017

卷　　号：33

期　　号：6

起止页码：608-624

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、核心刊

摘　　要：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,通过模拟研究和实例分析验证了PGFR方法在有限样本下的完成情况.

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  

分 类 号：O212.7]