.png){kind=icon}
返回
Robust subgroup analysis under rank regression
.png){kind=icon}
PRE
AI
DOI：10.1007/s11749-026-01011-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别模型中参数变化的亚组结构对于实际应用具有重要意义，例如制定治疗决策、个性化教育方案等。为解决此问题，我们基于凹融合惩罚开发了一种方法，以识别组结构并利用秩回归估计参数，该方法能够在重尾随机误差下实现稳健性，同时在正态误差下保持高效率。此外，我们采用局部线性近似，并将每次迭代重新表述为中位数回归问题以简化计算。另外，我们证明了当亚组数量趋于无穷大时估计量的选择性质，而大多数现有稳健方法仅对有限亚组数量提供理论保证。模拟研究显示，所提出的方法能够有效识别异质性亚组结构并估计参数。我们进一步通过实际数据应用，特别关注学生成绩数据集，验证了该方法的有效性，凸显其在解决教育问题中的实际意义。
Keyword:
Asymptotic efficiency
Heterogeneity
Oracle property
Robust
Subgroup analysis
期刊
T
IF:
1.3
论文数:
34
被引数:
0
机构
引用论文
.png){kind=icon}
Estimation of high dimensional mean regression in the absence of symmetry and light tail assumptions
OAAI
OAAI分享收藏
分享收藏分享收藏
查看更多内容