缺失数据下超高维线性模型的变量筛选

摘要：

在响应变量随机缺失情形下,研究超高维线性模型的确定性独立变量筛选问题.首先,使用逻辑线性回归模型拟合响应变量的缺失变量与相应协变量,估计响应变量的缺失概率;然后,建立基于逆概率加权最小二乘的效用函数,通过它将协变量维数降到较低水平;最后,运用基于LASSO惩罚的逆概率加权最小二乘方法对协变量进行更精细的筛选,达到协变量超高维降维的目的.数值模拟和实例分析表明,所研究的变量筛选方法对有限样本的情形表现良好.

关键词：变量筛选器、超高维线性模型、缺失数据、逆概率加权、LASSO

所属期刊栏目：38

分类号：O212.7(概率论与数理统计)

资助基金：国家自然科学基金面上项目;江苏高校优势学科建设工程资助项目;江苏省"六大人才高峰"高层次人才项目;江苏省"青蓝工程"中青年学术带头人支持项目;统计与数据科学前沿理论及应用教育部重点实验室华东师范大学项目;江苏师范大学本科教育教学教研课题

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：52-56