超高维数据边际经验似然独立筛选方法

摘要：

可加模型通过协变量函数对响应变量起作用,是更加灵活的非参统计模型.当协变量个数大于样本数且以指数阶增大时,将维数降到经典方法可解决的范围是统计学家急需解决的问题.本文研究了超高维数据可加模型的变量筛选问题,提出了边际经验似然变量筛选方法.该方法通过排列在0点的边际经验似然率选择变量.我们证明了选择变量集以概率1渐进包含真实变量集;提出了迭代边际经验似然变量筛选方法.数据模拟和实数据分析验证了所提方法的可行性.

关键词：边际经验似然筛选、非参回归模型、变量选择、维数缩减

所属期刊栏目：35

分类号：O212.7(概率论与数理统计)

资助基金：The research was supported in part by the National Natural Science Foundation of ChinaGrant .11171112,11201190;the Doctoral Fund of Ministry of Education of ChinaGrant 20130076110004;the 111 Project of ChinaGrant B14019

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：126-140