Structure Identification, Estimation and Variable Selection for Varying Coefficient EV Models With Longitudinal Data

doi:10.1002/sim.70434

Structure Identification, Estimation and Variable Selection for Varying Coefficient EV Models With Longitudinal Data

2026-04-01

1

PRE

AI

DOI：10.1002/sim.70434

原文链接

原文求助

摘要

En 中文

本文提出了一种偏差校正的双惩罚二次推断函数方法，用于同时识别变系数误差变量（EV）纵向数据模型的结构、估计参数并进行变量选择。与线性模型或部分线性变系数模型不同，所提出的方法预先不假设每个回归系数是常数还是变化的。相反，它将每个系数表示为非参数函数，并利用所提出的方法识别其是否为常数或变化。通过采用B样条基逼近未知的系数函数，所提出的方法整合了偏差校正的二次推断函数与两个惩罚项，以实现结构识别、参数估计和变量选择。在一定的正则化条件下，建立了估计量的一致性和稀疏性性质。此外，开发了一种三步迭代算法以实现所提出的方法。模拟研究和真实数据分析表明该方法具有优越的有限样本性能。

Keyword:

bias-corrected double penalized quadratic inference functions

longitudinal data

structure identification

variable selection

varying coefficient EV models

Structure Identification, Estimation and Variable Selection for Varying Coefficient EV Models With Longitudinal Data

摘要

期刊

机构

引用论文