期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
高维纵向数据的亚组识别方法及应用
被引量：
1
1
作者
段谦
吉
洋
莹
黄磊
《重庆理工大学学报（自然科学）》
CAS
北大核心
2022年第8期307-317,共11页
在高维纵向数据建模的背景下,构建了一种数据驱动的亚组识别方法,将极大极小凹惩罚方法和同质划分方法结合起来,并基于二值分割法对回归系数之间的变点进行识别。通过统计模拟实验,将所构建的亚组识别方法和其他6种方法进行对比,检验了...
在高维纵向数据建模的背景下,构建了一种数据驱动的亚组识别方法,将极大极小凹惩罚方法和同质划分方法结合起来,并基于二值分割法对回归系数之间的变点进行识别。通过统计模拟实验,将所构建的亚组识别方法和其他6种方法进行对比,检验了所构建的亚组识别方法的性能。通过一个实例数据的分析,即国内各地区生产总值和产业结构的建模,进一步阐述了该方法的优势。
展开更多
关键词
亚组识别
变量选择
高维纵向数据
二值分割
下载PDF
职称材料
含顺序类别自变量的中位数惩罚回归及应用研究
2
作者
吉
洋
莹
潘雨辰
黄磊
《重庆理工大学学报（自然科学）》
CAS
北大核心
2022年第11期257-265,共9页
中位数回归不对误差项分布做过强假设且对异常值不敏感,可以提高回归模型的稳健性。自适应LASSO进行变量选择时对自变量采用有差别的惩罚系数,避免了系数的过度压缩。对于含有顺序类别自变量数据进行回归建模时,考虑到此类自变量中伪分...
中位数回归不对误差项分布做过强假设且对异常值不敏感,可以提高回归模型的稳健性。自适应LASSO进行变量选择时对自变量采用有差别的惩罚系数,避免了系数的过度压缩。对于含有顺序类别自变量数据进行回归建模时,考虑到此类自变量中伪分类的存在。构建了一种通过哑变量的线性变换,并结合自适应LASSO惩罚的中位数回归方法。该方法不仅能够进行变量选择得到稳健的估计结果还能进行伪分类的识别与融合。通过2个实际数据验证了该方法的可行性和有效性。
展开更多
关键词
自适应LASSO
中位数惩罚回归
顺序类别自变量
伪分类
下载PDF
职称材料
题名
高维纵向数据的亚组识别方法及应用
被引量：
1
1
作者
段谦
吉
洋
莹
黄磊
机构
西南交通大学数学学院
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2022年第8期307-317,共11页
基金
国家自然科学基金面上项目(11771066)
中央高校基本科研业务费专项资金项目(2682020ZT113)
+1 种基金
教育部人文社会科学基金青年项目(17YJC790119)
四川省自然科学基金项目(2022NSFSC1850)。
文摘
在高维纵向数据建模的背景下,构建了一种数据驱动的亚组识别方法,将极大极小凹惩罚方法和同质划分方法结合起来,并基于二值分割法对回归系数之间的变点进行识别。通过统计模拟实验,将所构建的亚组识别方法和其他6种方法进行对比,检验了所构建的亚组识别方法的性能。通过一个实例数据的分析,即国内各地区生产总值和产业结构的建模,进一步阐述了该方法的优势。
关键词
亚组识别
变量选择
高维纵向数据
二值分割
Keywords
subgroup identification
variable selection
high-dimensional longitudinal data
binary segmentatio
分类号
O212.4 [理学—概率论与数理统计]
下载PDF
职称材料
题名
含顺序类别自变量的中位数惩罚回归及应用研究
2
作者
吉
洋
莹
潘雨辰
黄磊
机构
西南交通大学数学学院
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2022年第11期257-265,共9页
基金
国家自然科学基金项目(11771066)
中央高校基本科研业务费专项资金项目(2682020ZT113)
四川省自然科学基金项目(2022NSFSC1850)。
文摘
中位数回归不对误差项分布做过强假设且对异常值不敏感,可以提高回归模型的稳健性。自适应LASSO进行变量选择时对自变量采用有差别的惩罚系数,避免了系数的过度压缩。对于含有顺序类别自变量数据进行回归建模时,考虑到此类自变量中伪分类的存在。构建了一种通过哑变量的线性变换,并结合自适应LASSO惩罚的中位数回归方法。该方法不仅能够进行变量选择得到稳健的估计结果还能进行伪分类的识别与融合。通过2个实际数据验证了该方法的可行性和有效性。
关键词
自适应LASSO
中位数惩罚回归
顺序类别自变量
伪分类
Keywords
adaptive LASSO
penalized median regression
ordinal categorical covariates
pseudo classification
分类号
O212.4 [理学—概率论与数理统计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
高维纵向数据的亚组识别方法及应用
段谦
吉
洋
莹
黄磊
《重庆理工大学学报（自然科学）》
CAS
北大核心
2022
1
下载PDF
职称材料
2
含顺序类别自变量的中位数惩罚回归及应用研究
吉
洋
莹
潘雨辰
黄磊
《重庆理工大学学报（自然科学）》
CAS
北大核心
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
