右删失超高维变量筛选方法研究.pdf

随着计算机算力的快速发展以及统计学方法的不断迭代，数据的收集、存储

和处理能力大大加强，当前统计学研究问题的数据类型也日益呈现出多样化，复

杂化的趋势，研究中使用的数据集也从原有的大样本，低维的标准化数据逐步向

小样本，高维等趋势变化。而在现代化的复杂数据中，最具代表性的研究方向就

是高维数据和生存数据。关于高维数据的研究主要集中在高维数据的降维以及变

量筛选方法的研究上，即在数据集中发现那些对响应变量存在关键性影响的重要

变量，但是随着维度的不断增加，甚至出现了特征维度远远大于样本容量的情况。

传统上基于进行多次最小二乘回归的方法或者基于正则惩罚项的回归方法计算

量