Logistic回归的ArctanLASSO惩罚似然估计及应用

摘要：

Logistic回归是计量经济学中应用最广的离散选择模型.当变量个数较多时,极大似然估计解释性较差,为此本文基于新的惩罚函数ArctanLASSO,给出Logistic回归的一种非凸惩罚似然估计进行参数估计和变量选取,并证明了估计量的n1/2相合性和Oracle性质.本文结合二阶近似处理、LLA方法和梯度下降法给出估计算法,并通过最小化BIC准则对正则化参数进行选取.模拟数据分析显示,当样本量较大时,该方法在参数估计和变量选取两个方面都优于传统的LASSO、SCAD和MCP方法,样本量较小时,该方法同样具有很大优势.实际数据分析表明,该方法很好地权衡了拟合程度和非零系数的选择,是最优的备选模型,具有重要的实际意义.

关键词：Logistic回归、ArctanLASSO惩罚似然估计、n1/2相合性、Oracle性质

所属期刊栏目：32

分类号：O212.4(概率论与数理统计)

资助基金：中央高校基本科研业务费专项对外经济贸易大学项目14QD18

在线出版日期：2015-06-30（万方平台首次上网日期，不代表论文的发表时间）

页码：135-146