.png){kind=icon}
返回
Robust group variable screening based on maximum Lq‐likelihood estimation
.png){kind=icon}
PRE
AI
DOI：10.1002/sim.9212.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
变量筛选在超高维数据分析中起着重要作用。大多数以往的分析都集中在使用边际相关或其他基于排序的技术进行单个预测变量筛选。当预测变量可以自然分组时，应用变量筛选时应纳入结构信息。本研究提出了一种基于最大Lq-似然估计的组筛选程序，该方法正越来越多地用于稳健估计。所提出的方法对数据污染具有稳健性，包括响应变量的重尾分布以及来自不同分布的混合观测。严格证明了其确筛性质。模拟结果表明，所提出的方法具有竞争力，特别是在抗数据污染方面的稳健性。给出了两个实际数据分析案例，以进一步说明其性能。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息