.png){kind=icon}
返回
Variable selection via thresholding
.png){kind=icon}
PRE
AI
DOI：10.1111/sjos.70032.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
变量选择是许多现代统计推断程序中的一个重要步骤。在回归设定中，当估计量无法将无关信号收缩至零时，与响应变量无关的协变量通常表现出小但非零的回归系数。实践中常采用一种临时性的程序，即剔除系数小于某个阈值的变量。我们正式分析了一种此类阈值化程序，并开发了一种简单的阈值化方法，该方法在较弱的正则性假设下能够一致地估计相关变量集合。利用这一阈值化程序，我们提出了一种稀疏的、一致且渐近正态的估计量，其非零元素不表现出收缩。通过模拟数据和真实数据的数值研究，我们检验了该方法的表现和适用性。
Keyword:
asymptotic normality
hard thresholding
regression analysis
sparse estimation
variable selection consistency
期刊
S
IF:
1
论文数:
54
被引数:
0
机构
.png){kind=icon}
查看更多内容