文献类型：期刊文章

作　　者：张俊英[1,2] 张日权[1,3] 王航[2] 陆智萍[1]

ZHANG Junying;ZHANG Riquan;WANG Hang;LU Zhiping(School of Statistics, East China Normal University, Shanghai, 200062, China;Department of Mathematics, Taiyuan University of Technology, Taiyuan, 030024, China;Department of Mathematics, Shanxi Datong University, Datong, 037009, China)

机构地区：[1]华东师范大学统计学院,上海200062 [2]太原理工大学数学系,太原030024 [3]山西大同大学数学系,大同037009

出　　处：《应用概率统计》

基　　金：supported in part by the National Natural Science Foundation of China(Grant Nos.11171112;11201190);the Doctoral Fund of Ministry of Education of China(Grant No.20130076110004);the 111 Project of China(Grant No.B14019)

年　　份：2019

卷　　号：35

期　　号：2

起止页码：126-140

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、MR、ZGKJHX、ZMATH、核心刊

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.

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  

分 类 号：O212.7]