广义线性模型中LS-SCAD估计的渐近性质.pdfVIP

大连理工大学硕士学位论文 引 言 考虑广义线性模型 Y=F(酗)+y(邓)￡， 其中p是玩×1的回归系数向量，x是协变量矩阵．我们研究随着扎_o。，加_o。并 且p稀疏时(即其中的分量大部分为0)卢的估计．假设p稀疏是合理的，因为尽管总的协 变量的个数很大，但其中重要的协变量的个数通常都很小．前人已经用SCAD方法对一 and 般线性模型做变量选择并研究p的估计，得到了很好的结果．SCAD方法首先是由Fan Li[1]在广义参数结构中做变量选择和有效估计的研究中提出来的．这种方法与传统的子 集变量选择方法相比有两大优势，其一，SCAD变量选择是连续的，所以相对于离散的子 集选择法更稳定；其二，SCAD在高维数据的背景下是可以方便计算出来的的，而传统的 子集选择法的计算在孙．很大时很难实现．除-JSCAD模型，还有几种惩罚模型被应用到变 and 量选择和估计中，像桥估计(Frank