高维数据控制变量选择的正则化方法比较.docxVIP

高维数据控制变量选择的正则化方法比较

一、高维数据控制变量选择的研究背景与核心问题

随着大数据采集技术的快速发展，各领域研究中可获取的变量规模呈现爆发式增长，高维数据已成为社会科学、生物医学、公共卫生等领域的常见数据形态。在这类数据中，控制变量的选择是开展因果推断、构建统计模型的关键环节——传统基于领域知识的人工选择方法已无法适配变量规模远超样本量的高维场景，而逐步回归、信息准则等传统变量选择方法在高维下存在稳定性差、选择不一致等问题。正则化方法作为高维变量选择的核心工具，为解决高维控制变量选择难题提供了新的路径，但不同正则化方法的设计逻辑、适用场景与选择效果存在显著差异，亟需开展系统性的比较