基于稀疏超高维非参数可加模型的条件独立筛选

摘要：

变量筛选是处理超高维数据的一种有效方法.针对部分变量与响应变量显著相关,Barut等基于线性模型假定提出CSIS方法,能有效降低伪变量错选概率.但CSIS方法线性模型假定严苛,实际研究中有时不能事先确定模型结构.由此,本文基于非参数可加模型提出条件非参数独立筛选方法(CNIS),不需要对模型结构进行假定,增大了适用范围.同时,在适当条件下,证明本文方法第1阶段的筛选具有一致性筛选性质,能以概率1保留重要变量;第2阶段的变量选择也具有良好相合性.Monte Carlo数据模拟结果表明:相较于NIS方法,本文方法表现更好.

关键词：变量筛选;可加模型;变量选择;确定筛选

所属期刊栏目：40

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金;国家自然科学基金;广西高等学校千名中青年骨干教师培育计划资助项目

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：100-107