-
题名超高维数据下部分线性可加分位数回归模型的变量选择
- 1
-
-
作者
白永昕
钱曼玲
田茂再
-
机构
北京信息科技大学理学院
墨尔本大学数学与统计学院
中国人民大学应用统计科学研究中心
新疆财经大学统计与信息学院
昌吉大学数学与数据科学学院
-
出处
《统计与决策》
CSSCI
北大核心
2024年第9期43-48,共6页
-
基金
北京市自然科学基金资助项目(1242005)
北京信息科技大学校科研基金资助项目(2022XJJ31)。
-
文摘
在超高维数据中,一方面,协变量的维数可能远远大于样本量,甚至随着样本量以指数级的速度增长;另一方面,超高维数据通常是异质的,协变量对条件分布中心的影响可能与他们对尾部的影响大不相同,甚至会出现重尾以及异常点的复杂情况。文章在协变量维度发散且为超高维的情况下研究了部分线性可加分位数回归模型的变量选择和稳健估计问题。首先,为了实现模型的稀疏性和非参数光滑性,引入了一种非凸Atan双惩罚,并采用分位迭代坐标下降算法来解决所提方法的优化问题。在选择适当正则化参数的情况下,证明了所提双惩罚估计量的理论性质。其次,通过模拟研究对所提方法的性能进行验证。模拟结果表明,所提方法比其他惩罚方法具有更好的表现,尤其是在数据存在重尾的情况下。最后,通过基于癌症筛查病人血液样本数据的实证来验证所提方法的实用性。
-
关键词
超高维数据
分位数回归
部分线性可加
变量选择
Atan双惩罚
-
Keywords
ultrahigh dimensional data
quantile regression
partial linear additivity
variable selection
Atan double penalty 48
-
分类号
O212.4
[理学—概率论与数理统计]
-
