带有缺失数据线性回归模型的变量选择  

Variable Selection for Linear Regression Models with Missing Data

作　　者：赵培信[1,2] 

机构地区：[1]河池学院数学系,广西宜州546300 [2]北京工业大学应用数理学院,北京100124

出　　处：《河池学院学报》2009年第2期1-4,共4页Journal of Hechi University

基　　金：国家自然科学基金资助项目(10871013);高等学校博士学科点专项科研基金资助项目(20070005003)

摘　　要：通过惩罚估计方程,对响应变量随机缺失下的线性回归模型,给出了一个变量选择方法,并结合局部二次逼近,得到了一个迭代算法,证明了此变量选择方法是相合的并且所得估计达到最优的参数收敛速度,最后通过数据模拟研究了此方法的有限样本性质.Based on penalized estimating equations, a variable selection procedure for linear regression models is proposed. By using local quadratic approximation, an iterative algorithm is also introduced. The optimal convergence rate and the consistency are derived. A simulation study is undertaken to assess the finite sample performance of the proposed method.

关 键 词：变量选择 缺失数据 惩罚估计方程 

分 类 号：O212.7[理学—概率论与数理统计]