期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
惩罚logistic回归用于高维变量选择的模拟评价 被引量：9
1
作者 孙红卫 杨文越 +3 位作者 王慧 罗文海 胡乃宝 王彤 《中国卫生统计》 CSCD 北大核心 2016年第4期607-611,共5页
目的 logistic回归是生物医学研究中常用的方法,可以进行影响因素筛选、概率预测、分类等。高通量测序技术得到的数据给高维变量选择问题带来挑战。惩罚logistic回归可以对高维数据进行变量选择和系数估计,且其有效的算法保证了计算的... 目的 logistic回归是生物医学研究中常用的方法,可以进行影响因素筛选、概率预测、分类等。高通量测序技术得到的数据给高维变量选择问题带来挑战。惩罚logistic回归可以对高维数据进行变量选择和系数估计,且其有效的算法保证了计算的可行性。方法本文介绍了常用的惩罚logistic算法如LASSO(least absolutes shrinkage and selection operator)、EN(elastic net)、SCAD(smoothly clipped absolute deviation)、MCP(minimax concave penalty)以及SIS(sure independence screening)等,并用模拟数据对各方法进行评价。结果 (1)各方法的结果与自变量间的相关程度有关,不同惩罚logistic回归的精确性与自变量间的相关程度有关,如果相关较高,LASSO或EN的结果较好,而在相关较低时,MCP或SCAD结果较好;(2)结合SIS的方法倾向于少选变量,误选率低,但敏感度也低,而LASSO、MCP、SCAD选择变量较多,误选率高,但敏感度较高;(3)当自变量间低度相关时,SIS的三种方法结果非常接近,但相关较高时,SIS+LASSO的结果表现较好。结论采用非小细胞型肺癌的基因数据集进行实例分析,并表明如何根据模拟实验的结论,在多种方法的不同结果间进行选择。 展开更多
关键词 高维变量选择 惩罚 LOGISTIC 回归 LASSO MCP SCAD SIS
在线阅读 下载PDF
基于随机化适应性Lasso的高维变量选择 被引量：3
2
作者 闫懋博 田茂再 《统计研究》 CSSCI 北大核心 2021年第1期147-160,共14页
Lasso等惩罚变量选择方法选入模型的变量数受到样本量限制。文献中已有研究变量系数显著性的方法舍弃了未选入模型的变量含有的信息。本文在变量数大于样本量即p>n的高维情况下,使用随机化bootstrap方法获得变量权重,在计算适应性La... Lasso等惩罚变量选择方法选入模型的变量数受到样本量限制。文献中已有研究变量系数显著性的方法舍弃了未选入模型的变量含有的信息。本文在变量数大于样本量即p>n的高维情况下,使用随机化bootstrap方法获得变量权重,在计算适应性Lasso时构建选择事件的条件分布并剔除系数不显著的变量,以得到最终估计结果。本文的创新点在于提出的方法突破了适应性Lasso可选变量数的限制,当观测数据含有大量干扰变量时能够有效地识别出真实变量与干扰变量。与现有的惩罚变量选择方法相比,多种情境下的模拟研究展示了所提方法在上述两个问题中的优越性。实证研究中对NCI-60癌症细胞系数据进行了分析,结果较以往文献有明显改善。 展开更多
关键词 随机化适应性Lasso 高维变量选择 选择性推断
在线阅读 下载PDF
基于Lasso惩罚的迹差损失方法高维协变量调整的稀疏精度矩阵估计（英文）
3
作者 黄旭东 王冠鹏 李萌萌 《应用概率统计》 CSCD 北大核心 2019年第5期441-452,共12页
本文运用两阶段估计程序给出了协变量调整的精度矩阵估计.首先,运用联合l1惩罚方法确定影响均值的相关协变量.然后,将估计出的回归系数用于估计多元次高斯模型的均值,并通过Lasso惩罚的迹差损失方法对稀疏精度矩阵进行估计.在一些假设... 本文运用两阶段估计程序给出了协变量调整的精度矩阵估计.首先,运用联合l1惩罚方法确定影响均值的相关协变量.然后,将估计出的回归系数用于估计多元次高斯模型的均值,并通过Lasso惩罚的迹差损失方法对稀疏精度矩阵进行估计.在一些假设条件下,建立了精度矩阵估计的不同范数的收敛速率,并证明了依概率1收敛的稀疏恢复性质.数值结果表明,在有限样本情况下,同其他方法相比,我们的方法具有一定的优越性. 展开更多
关键词 高维协变量 回归系数矩阵 稀疏精度矩阵 迹差损失
在线阅读 下载PDF
协变量维数可以趋于无穷的纵向数据的广义估计方程分析 被引量：2
4
作者 尹长明 石岳鑫 《应用数学》 CSCD 北大核心 2022年第1期190-199,共10页
广义估计方程(GEE)是分析纵向数据的常用方法.Balan,Schiopu-Kratina(2005)研究了协变量维数固定,GEE估计的渐近正态性.WANG(2011)研究了协变量维数趋于无穷,GEE估计的渐近正态性和响应变量是两点分布Wald统计量的渐近分布.本文证明协... 广义估计方程(GEE)是分析纵向数据的常用方法.Balan,Schiopu-Kratina(2005)研究了协变量维数固定,GEE估计的渐近正态性.WANG(2011)研究了协变量维数趋于无穷,GEE估计的渐近正态性和响应变量是两点分布Wald统计量的渐近分布.本文证明协变量维数是固定的或趋于无穷,响应变量是任意分布的Wald统计量的渐近分布是卡方分布,Wald统计量可以直接用于统计推断. 展开更多
关键词 纵向数据 广义估计方程 高维协变量 Wald统计量
在线阅读 下载PDF
高维纵向数据的惩罚广义估计方程分析
5
作者 尹长明 王亚东 《应用数学》 CSCD 北大核心 2021年第3期657-664,共8页
广义估计方程(GEE)是分析纵向数据下响应变量是离散的或非负的回归问题常用方法.本文研究了高维GEE的变量选择,在更弱的条件下证明了相关阵(或协方差)假定不一定正确,只要均值函数假定正确,模型选择是相合的,得到了变量选择的Oracle性质... 广义估计方程(GEE)是分析纵向数据下响应变量是离散的或非负的回归问题常用方法.本文研究了高维GEE的变量选择,在更弱的条件下证明了相关阵(或协方差)假定不一定正确,只要均值函数假定正确,模型选择是相合的,得到了变量选择的Oracle性质.改进了WANG(2011)和WANG,ZHOU,QU(2012)的结果. 展开更多
关键词 纵向数据 广义估计方程 高维协变量 变量选择
在线阅读 下载PDF
纵向多分类数据的广义估计方程分析
6
作者 尹长明 代文昊 尹露阳 《应用数学》 北大核心 2024年第1期251-257,共7页
广义估计方程(GEE)是分析纵向数据的常用方法.如果响应变量的维数是一,XIE和YANG(2003)及WANG(2011)分别研究了协变量维数是固定的和协变量维数趋于无穷时,GEE估计的渐近性质.本文研究纵向多分类数据(multicategorical data)的GEE建模和... 广义估计方程(GEE)是分析纵向数据的常用方法.如果响应变量的维数是一,XIE和YANG(2003)及WANG(2011)分别研究了协变量维数是固定的和协变量维数趋于无穷时,GEE估计的渐近性质.本文研究纵向多分类数据(multicategorical data)的GEE建模和GEE估计的渐近性质.当数据的分类数大于二时,响应变量的维数大于一,所以推广了文献的相关结果. 展开更多
关键词 属性数据 纵向数据 广义估计方程 高维协变量
在线阅读 下载PDF
基于lasso方法的银行对中小企业贷款供给意愿研究 被引量：3
7
作者 龙泽海 杨毅 赵月丽 《金融与经济》 北大核心 2017年第3期58-65,共8页
本文基于lasso方法研究银行对中小企业贷款的供给意愿问题,与传统的多元回归或多元选择模型相比,能更准确地筛选出重要的变量,同时给出精准的回归系数估计值。文章通过设计高维变量指标体系,使用lasso方法研究发现:企业对相关政策更多... 本文基于lasso方法研究银行对中小企业贷款的供给意愿问题,与传统的多元回归或多元选择模型相比,能更准确地筛选出重要的变量,同时给出精准的回归系数估计值。文章通过设计高维变量指标体系,使用lasso方法研究发现:企业对相关政策更多地了解、更好的财务状况、更好的融资状态、更强的供应链情况、更优良的银企关系、更现代化的企业管理模式和企业负责人更高的素质,都能提高银行对中小企业贷款的供给意愿。 展开更多
关键词 中小企业 银行贷款 供给意愿 lasso方法 高维变量选择
在线阅读 下载PDF
基于时间卷积网络与图注意力网络的分行业日售电量预测方法 被引量：19
8
作者 顾默 赵兵 陈昊 《电网技术》 EI CSCD 北大核心 2022年第4期1287-1296,共10页
为控制电力成本及提高电力部门绩效考核能力,需要高效准确地进行日售电量预测。深度学习卷积神经网络常被用于电力数据预测,但由于其输入数据信息量有限,现有模型预测存在上限,致使其存在难以捕捉长时特征等问题。为高效准确地预测日售... 为控制电力成本及提高电力部门绩效考核能力,需要高效准确地进行日售电量预测。深度学习卷积神经网络常被用于电力数据预测,但由于其输入数据信息量有限,现有模型预测存在上限,致使其存在难以捕捉长时特征等问题。为高效准确地预测日售电量,提出了一种基于时间卷积网络与图注意力网络相结合的分行业日售电量预测方法,搭建了高维度分行业日售电量预测模型。该方法可同时输入多个行业的日售电量,提取反映单个行业时序特征的高维变量,将多个行业的高维变量进行拼接学习,得到各行业之间的影响因素。通过多个行业日售电量的集成增加输入数据的信息量,从而实现各行业的日售电量预测。以中国东南某城市的21个行业日售电量为实际算例,上述方法的平均误差为4.03%。与时间卷积网络、门控循环单元网络、Facebook的Prophet模型、M4冠军模型指数平滑递归神经网络等进行对比,实验表明,所提出的分行业日售电量预测模型具有更高的预测精度。 展开更多
关键词 日售电量预测 时间卷积网络 图注意力网络 高维变量 时序特征
在线阅读 下载PDF
基于D藤结构Copula函数的风险资产投资决策模型与运用 被引量：1
9
作者 谢铖 《统计与决策》 CSSCI 北大核心 2021年第5期174-178,共5页
文章基于D藤结构Copula函数构建风险收益调整法组合投资决策模型。选取我国证监会行业板块中诸板块中相应风险资产,在反映单一资产间相关关系及其与上证综指收益率间"厚尾"结构基础上,实施风险资产组合投资决策。研究显示:(1... 文章基于D藤结构Copula函数构建风险收益调整法组合投资决策模型。选取我国证监会行业板块中诸板块中相应风险资产,在反映单一资产间相关关系及其与上证综指收益率间"厚尾"结构基础上,实施风险资产组合投资决策。研究显示:(1)从金融风险联动性角度,被考察的行业中,普通机械制造业行业指数对其他行业指数的影响最大,其次为银行业指数和房地产开发与经营业行业指数,电力蒸汽热气生产行业指数对其他指数影响最小;(2)D藤Copula-GARCH模型对刻画风险资产间的"厚尾"特性更占优;(3)D藤Copula-GARCH-t模型在优化风险资产组合决策中更具决策效能。 展开更多
关键词 金融风险联动 D藤结构Copula函数 风险厌恶系数 风险资产投资 高维变量非线性结构
在线阅读 下载PDF
两阶段Logit模型的惩罚广义估计方程估计的渐近性质 被引量：1
10
作者 林松 尹长明 《广西师范大学学报（自然科学版）》 CAS 北大核心 2019年第2期126-130,共5页
2012年Wang等在较弱条件下证明了经典Logit模型惩罚广义估计方程估计的渐近性质。两阶段Logit模型是经典Logit模型的推广,可以处理较复杂的属性数据,其联系函数(link)已不再是自然联系函数。本文在更弱条件下证明了两阶段Logit模型惩罚... 2012年Wang等在较弱条件下证明了经典Logit模型惩罚广义估计方程估计的渐近性质。两阶段Logit模型是经典Logit模型的推广,可以处理较复杂的属性数据,其联系函数(link)已不再是自然联系函数。本文在更弱条件下证明了两阶段Logit模型惩罚广义估计方程估计的渐近性质,推广了文献中的相应结果。 展开更多
关键词 两阶段Logit回归 惩罚广义估计方程 高维协变量 纵向数据 一般联系函数
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部