基于Lasso方法的平衡纵向数据模型变量选择

被引：3

作者：

曲婷 ^{[1
]}

王静 ^{[2
]}

机构：

[1] 东北师范大学人文学院

[2] 东北师范大学城市与环境科学学院

来源：

黑龙江大学自然科学学报 | 2012年 / 29卷 / 06期

关键词：

平衡纵向数据模型; 变量选择; Lasso; LARS; AIC; BIC;

D O I：

10.13482/j.issn1001-7011.2012.06.012

中图分类号：

O212.1 [一般数理统计];

学科分类号：

020208 ; 070103 ; 0714 ;

摘要：

应用Lasso方法研究平衡纵向数据模型的变量选择问题。通过Lasso方法可将模型的系数进行压缩并使之趋于零,甚至使一些系数等于零,利用LARS算法对回归系数进行排序,并采用AIC和BIC准则进行截取,从而达到变量选择的目的。同时证明该方法的一些理论特性,并从仿真模拟中分析了该方法的主要特点。作为实际应用,本方法可以有效地从众多的环境因素中寻找影响蝙蝠活动的主要因素。

引用

页码：715 / 722+726 +726

页数：9

共 6 条

[1]

Sparse partial least squares regression for simultaneous dimension reduction and variable selection[J] . Journal of the Royal Statistical Society: Series B （Statistical Methodology） . 2010 (1)

[2] A note on adaptive group lasso [J].