摘要
利用函数数据的非参数核回归方法以及惩罚绝对偏差估计技术,对函数型部分线性模型的变量选择问题,提出了一种稳健的重要变量选择方法.通过数值模拟仿真显示所提出的方法可以消除异常点对变量选择精度的影响,具有较好的稳健性.
Using the non-parametric kernel regression method of functional data and penalty absolute deviation estimation technology,a robust variable selection method for functional partial linear model is proposed.The numerical simulation shows that the proposed method can attenuate the influence of outlier valuables on the variable selection accuracy,and then is more robust.
作者
吴昊
赵培信
黄海霞
WU Hao;ZHAO Peixin;HUANG Haixia(Mathematics and Statistics School of Chongqing Technology and Business University,Chongqing Nan,an 400067,China;ChongqingKey Laboratory of Social Economy and Applied Statistics,Chongqing Nan,an 400067,China)
出处
《四川文理学院学报》
2022年第2期23-28,共6页
Sichuan University of Arts and Science Journal
基金
国家社会科学基金一般项目“高维内生协变量的半参数建模及其在环境治理绩效测度中的应用研究”(18BTJ035)。
关键词
函数型部分线性模型
变量选择
稳健统计
惩罚估计
Functional partial linear model
variable selection
robust statistical inference
penalized estimation
