Logistic回归的ArctanLASSO惩罚似然估计及应用
本文关键词:Logistic回归的ArctanLASSO惩罚似然估计及应用 出处:《数量经济技术经济研究》2015年06期 论文类型:期刊论文
更多相关文章: Logistic回归 ArctanLASSO惩罚似然估计 n~(/)相合性 Oracle性质
【摘要】:Logistic回归是计量经济学中应用最广的离散选择模型。当变量个数较多时,极大似然估计解释性较差,为此本文基于新的惩罚函数ArctanLASSO,给出Logistic回归的一种非凸惩罚似然估计进行参数估计和变量选取,并证明了估计量的n~(1/2)相合性和Oracle性质。本文结合二阶近似处理、LLA方法和梯度下降法给出估计算法,并通过最小化BIC准则对正则化参数进行选取。模拟数据分析显示,当样本量较大时,该方法在参数估计和变量选取两个方面都优于传统的LASSO、SCAD和MCP方法,样本量较小时,该方法同样具有很大优势。实际数据分析表明,该方法很好地权衡了拟合程度和非零系数的选择,是最优的备选模型,具有重要的实际意义。
[Abstract]:Logistic regression is the most widely used discrete choice model in econometrics. When the number of variables is large, the maximum likelihood estimation is explained in this paper, the penalty function based on the new ArctanLASSO, given Logistic regression is a nonconvex penalized likelihood estimation for parameter estimation and variable selection, and it is proved that the estimation of n~ (1/2) the consistency and the Oracle property. This paper combines the two order approximation LLA method and gradient descent method gives the estimation algorithm, and by minimizing the BIC criterion of regularization parameters were selected. The simulation data analysis shows that when the sample size is large, the method selects two aspects are better than the traditional parameter estimation and variable LASSO. The SCAD and MCP method, the sample size is small, this method also has a lot of advantages. The actual data show that this method is a good tradeoff between the fitting degree and non zero coefficient choice is optimal The alternative model is of great practical significance.
【作者单位】: 对外经济贸易大学统计学院;辅仁大学统计资讯学系;
【基金】:对外经济贸易大学中央高校基本科研业务费专项资金资助(14QD18)
【分类号】:F224
【正文快照】: 引言Logistic回归是计量经济学中最早的离散选择模型,适用于两类别或者多类别问题。该方法假定类别之间的分割面是线性的,通过Logistic函数用多个解释变量的线性组合来预测响应变量出现的概率。由于计算简便,易于表达等优点’该方法被广泛应用于经济学、心理学、社会学、生物
【共引文献】
相关期刊论文 前10条
1 刘晓宁;;基于Lasso特征选择的方法比较[J];安徽电子信息职业技术学院学报;2014年01期
2 康凯;王粒宾;钟子发;;交替方向块稀疏信号快速重构算法[J];安徽大学学报(自然科学版);2014年02期
3 宣士斌;;带权稀疏PCA算法及其应用[J];重庆大学学报;2014年04期
4 Hai ZHANG;Zong Ben XU;Yao WANG;Xiang Yu CHANG;Yong LIANG;;A Sharp Nonasymptotic Bound and Phase Diagram of L1/2 Regularization[J];Acta Mathematica Sinica(English Series);2014年07期
5 张吐辉;张海;;基于L_p正则化的自适应稀疏group lasso研究[J];纯粹数学与应用数学;2014年02期
6 张凌洁;张海;;多图模型的联合估计的群桥方法[J];高校应用数学学报A辑;2014年02期
7 Wei ZHONG;;Robust Sure Independence Screening for Ultrahigh Dimensional Non-normal Data[J];Acta Mathematica Sinica(English Series);2014年11期
8 李强;王黎明;;基于LASSO方法的结构突变理论研究综述[J];江西师范大学学报(自然科学版);2015年02期
9 崔文玲;潘静;何改云;庞彦伟;;基于类心和特征加权的特征选择算法[J];电子测量技术;2015年03期
10 刘建伟;崔立鹏;罗雄麟;;组稀疏模型及其算法综述[J];电子学报;2015年04期
相关会议论文 前1条
1 Wang Changyue;Yao Yan;Liu Huijun;Wang Jingjun;;Rapid Compositional Analysis of Sawdust using Sparse Method and Near Infrared Spectroscopy[A];第26届中国控制与决策会议论文集[C];2014年
相关博士学位论文 前10条
1 王明秋;高维数据下若干回归模型的变量选择问题研究[D];大连理工大学;2012年
2 赵为华;变系数模型变量选择的稳健方法[D];华东师范大学;2013年
3 王法松;盲源分离的扩展模型与算法研究[D];西安电子科技大学;2013年
4 卢一鸣;基于统计建模方法研究真核生物基因表达调控系统[D];中国人民解放军军事医学科学院;2013年
5 张涛;基于函数型数据的模型探测与估计理论[D];云南大学;2013年
6 邹健;分块稀疏表示的理论及算法研究[D];华南理工大学;2012年
7 张静思;高维特征筛选和时间序列下的模型选择[D];山东大学;2013年
8 刘乐茂;统计机器翻译判别式训练方法研究[D];哈尔滨工业大学;2013年
9 吴磊;(?)_p正则化问题的算法研究[D];湖南大学;2013年
10 刘波;组稀疏子空间的大间隔特征选择[D];重庆大学;2013年
相关硕士学位论文 前10条
1 续宗敏;商业银行中小企业信用评分中的变量选择问题[D];山东大学;2013年
2 朱晓玲;生长曲线模型的惩罚最小二乘估计和变量选择[D];华东师范大学;2013年
3 丁毅涛;稀疏Group Lasso高维统计分析[D];西北大学;2013年
4 胡俊英;基于切比雪夫损失的变量选择方法[D];西北大学;2013年
5 黄莉莉;多标签学习中特征选择和分类问题的研究[D];安徽大学;2013年
6 杨Xh鹏;基于子空间聚类的图像分割方法研究[D];西安电子科技大学;2013年
7 徐雯晖;基于稀疏性的高光谱遥感影像降维方法研究[D];西安电子科技大学;2013年
8 崔春燕;组特征选择算法及其应用研究[D];南京师范大学;2013年
9 贾元乔;基于lasso的两级变量选择方法[D];浙江大学;2013年
10 刘琳;几类回归模型中的变量选择方法[D];广西大学;2013年
【相似文献】
相关期刊论文 前10条
1 蒋晓萌;;基于Logistic回归原理的个人综合消费贷款信用风险计量模型研究[J];黑龙江金融;2012年05期
2 王秀梅;;基于Logistic回归方法构建土地利用空间格局模拟模型[J];包头职业技术学院学报;2013年03期
3 吴英;;基于Logistic回归的上市公司财务预警模型构建[J];常州工学院学报;2011年06期
4 张艳莉;;基于Logistic回归算法的企业顾客抱怨管理机制的构建[J];科技通报;2014年05期
5 汪健兵,陈秀娟;利用Logistic回归研究客户购买保险偏好[J];上海保险;2002年12期
6 张初兵;高康;杨贵军;;判别分析与Logistic回归的模拟比较[J];统计与信息论坛;2010年01期
7 陈文雅;;基于Logistic回归的投资组合配置分析[J];中国物价;2011年02期
8 金花妍;刘永泽;;基于舞弊三角理论的财务舞弊识别模型研究——支持向量机与Logistic回归的耦合实证分析[J];大连理工大学学报(社会科学版);2014年01期
9 高祥春;王在翔;吕军城;李望晨;;基于累积比数logistic回归的新农合满意度影响因素分析[J];安徽农业科学;2012年01期
10 尹剑;陆程敏;杨贵军;;判别分析与Logistic回归组合分类[J];数理统计与管理;2014年02期
相关会议论文 前4条
1 李万庆;闵捷;田野;蒋文翰;;随机效应logistic回归在非独立数据判别分析中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
2 于长春;曾昭成;金鑫玲;宋明媚;孙志伟;卜翠萍;王静;姜舒亚;施科;;Logistic回归与ROC曲线在巨细胞病毒性肺炎临床筛查中的应用[A];2012年江浙沪儿科学术年会暨浙江省医学会儿科学分会学术年会、儿内科疾病诊治新进展国家级学习班论文汇编[C];2012年
3 钟晓妮;周燕荣;王润华;田考聪;贾庆良;汪洋;李勤;孙安龙;;主成分Logistic回归在筛选乳腺癌监测因素中的应用[A];2000全国肿瘤学术大会论文集[C];2000年
4 夏庆梅;高岩;杨帆;步怀恩;王弘午;;天津市大学生痤疮发病因素相关性及心理因素调查与分析[A];中华中医药学会中医美容分会学术年会论文集[C];2009年
相关硕士学位论文 前7条
1 徐刚;决策树与Logistic回归结合在新型农村合作医疗制度实施效果研究中的应用[D];南昌大学;2007年
2 周菲;Logistic回归多重共线性的诊断与改进及其在医学中的应用[D];兰州大学;2011年
3 骆常好;惩罚logistic回归与多因子降维法交互作用分析及其应用[D];山西医科大学;2009年
4 孙晓炜;彩色多普勒超声结合多变量Logistic回归法对附件区恶性肿瘤的临床预测价值[D];吉林大学;2004年
5 邹菊;Logistic回归在乳腺癌综合分析诊断中的应用[D];南华大学;2012年
6 王旭初;Logistic回归和对数线性模型在高血压现况研究中的应用[D];浙江大学;2008年
7 郭维恒;脑卒中类型与复发的Logistic回归预测及SMOTE算法处理非平衡临床数据[D];河北医科大学;2014年
,本文编号:1409338
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/1409338.html