基于稀疏超高维非参数可加模型的条件独立筛选

作者：徐萍; 钟思敏; 李斌斌; 熊文俊^*

来源：广西师范大学学报(自然科学版), 2022, 40(01): 100-107.

DOI：10.16088/j.issn.1001-6600.2021060919

• 变量筛选
• 可加模型
• 变量选择
• 确定筛选

变量筛选是处理超高维数据的一种有效方法。针对部分变量与响应变量显著相关,Barut等基于线性模型假定提出CSIS方法,能有效降低伪变量错选概率。但CSIS方法线性模型假定严苛,实际研究中有时不能事先确定模型结构。由此,本文基于非参数可加模型提出条件非参数独立筛选方法(CNIS),不需要对模型结构进行假定,增大了适用范围。同时,在适当条件下,证明本文方法第1阶段的筛选具有一致性筛选性质,能以概率1保留重要变量;第2阶段的变量选择也具有良好相合性。Monte Carlo数据模拟结果表明:相较于NIS方法,本文方法表现更好。

• 单位
  广西师范大学