基于LASSO的高维数据线性回归模型统计推断方法比较  

作　　者：赵俊琴[1,2] 王慧[1] 王彤[1] 

机构地区：[1]山西医科大学卫生统计教研室,030001 [2]河北省疾病预防与控制中心

出　　处：《中国卫生统计》2017年第2期250-252,共3页Chinese Journal of Health Statistics

基　　金：国家自然科学基金资助(81473073)

摘　　要：目的比较五种基于LASSO的高维数据线性回归模型统计推断方法:LASSO-惩罚计分检验,多重样本拆分、稳定选择、低维投影、协方差检验。方法采用R软件模拟不同情形的高维数据,用五种方法做统计推断,以期望假阳性率和检验效能为评价指标,比较这五种方法在不同高维数据情形下的表现。结果在理想高维数据情形下,除协方差检验推断结果保守外,其余方法表现都较好。在复杂高维数据情形下,LASSO-惩罚计分检验的检验效能是五种方法中最高的,其次为多重样本拆分,而LASSO-惩罚计分检验的EFP也是最高的,多重样本拆分的EFP基本接近0。结论在常见复杂高维数据中LASSO-惩罚计分检验和多重样本拆分是两种较好的高维线性回归模型统计推断方法,两者相对而言前者较宽松,后者较保守。在实际应用中可根据应用需求来选择合适的统计推断方法。

关 键 词：高维数据 LASSO 统计推断 线性回归 

分 类 号：O212.1[理学—概率论与数理统计]