广义线性模型下ERIC方法的调节参数选择

发布时间：2021-01-13 19:00

　　变量选择是处理高维统计模型的基本方法,在回归模型的变量选择中SCAD惩罚函数不仅可以很好地选择出正确模型,同时还可以对参数进行估计,而且还具有oracle性质,但这些良好的性质是基于选择出一个合适的调节参数。目前国内关于调节参数选择方面大多是对于变量选择问题的研究,针对广义线性模型基于SCAD惩罚使用新方法 ERIC准则进行调节参数的选择,并证明在一定条件下经过该准则选择的模型具有一致性。模拟与实证分析结果表明,ERIC方法在选择调节参数方面优于传统的CV准则、AIC准则和BIC准则。 

【文章来源】：统计与信息论坛. 2019,34(02)北大核心CSSCI

【文章页数】：9 页

【参考文献】：
期刊论文
[1]污染数据的稳健稀疏成组变量选择方法研究[J]. 李扬,许文甫,马双鸽.  统计与信息论坛. 2018(06)
[2]混合效应模型的多惩罚回归过程及其算法收敛性研究[J]. 罗幼喜,李翰芳.  统计与信息论坛. 2017(10)
[3]基于负二项回归模型的空气质量指数分析[J]. 罗静,田茂再.  统计与信息论坛. 2017(07)
[4]面板数据分位回归中适应性LASSO调节参数的选择[J]. 王天颖,杨亚琦,田茂再.  数理统计与管理. 2017(03)
[5]Logistic模型选择中三种交叉验证策略的比较[J]. 家会臣,靳竹萱,李济洪.  太原师范学院学报(自然科学版). 2012(01)

硕士论文
[1]面向高维回归的组块3×2交叉验证调节参数选择[D]. 陈萌萌.山西大学 2015
[2]带有惩罚函数的多元线性回归分析模型的调节参数的选择[D]. 江河.兰州大学 2012
[3]多元广义线性模型基于惩罚似然的调整参数的选择[D]. 崔杰.大连理工大学 2010
[4]SCAD方法的调整参数选择[D]. 周荣旺.大连理工大学 2010



本文编号：2975399