高维泊松回归的模型平均方法

作者：周建红; 赵尚威^*

来源：系统科学与数学, 2018, 38(06): 679-687.

• 高维数据
• 模型平均
• 模型筛选
• 泊松回归

当有很多候选模型并且不确定使用哪个模型时,模型平均是一种值得采用的方法.相对于单个模型,模型平均通常能够提高预测精度.文章提出了高维泊松回归的模型平均方法,证明了其最优性质,并通过数值模拟发现该方法能够提高计数变量的预测精度.同时,考虑到高维数据下,候选模型过多的问题,文章也提出了一种新的模型筛选方法:基于最小角回归(LARS)的LASSO(或ALASSO)修正算法的模型筛选方法.该种方法,可以大大减少计算负担.数值模拟也显示了该方法有很好的表现.

• 单位
  中央民族大学; 广东金融学院