CORRELATION PURSUIT: FORWARD STEPWISE VARIABLE SELECTION FOR INDEX MODELS.
CORRELATION PURSUIT: FORWARD STEPWISE VARIABLE SELECTION FOR INDEX MODELS.
复制标题
DOI：
10.1111/j.1467-9868.2011.01026.x
复制
发表时间：
2012-11-01
期刊：
影响因子：
--
通讯作者：
Liu JS
中科院分区：
文献类型：
--
作者：
Zhong W;Zhang T;Zhu Y;Liu JS
在本文中，在充分降维框架下，开发了一种逐步过程，即相关追踪（COP），用于变量选择，其中响应变量 Y 通过预测变量 X1、X2、…、Xp 通过它们的一些线性组合的未知函数受到影响。与线性逐步回归不同，COP 不会在响应变量和预测变量之间强加特殊形式的关系（例如线性）。 COP 过程选择在变换后的响应与变量的线性组合之间获得最大相关性的变量。建立了 COP 过程的各种渐近性质，特别是研究了其在不同数量的预测变量和样本大小下的变量选择性能。与现有方法相比，COP 程序具有出色的经验性能，这通过广泛的模拟研究和功能基因组学的真实例子得到了证明。
In this article, a stepwise procedure, correlation pursuit (COP), is developed for variable selection under the sufficient dimension reduction framework, in which the response variable Y is influenced by the predictors X1, X2, …, Xp through an unknown function of a few linear combinations of them. Unlike linear stepwise regression, COP does not impose a special form of relationship (such as linear) between the response variable and the predictor variables. The COP procedure selects variables that attain the maximum correlation between the transformed response and the linear combination of the variables. Various asymptotic properties of the COP procedure are established, and in particular, its variable selection performance under diverging number of predictors and sample size has been investigated. The excellent empirical performance of the COP procedure in comparison with existing methods are demonstrated by both extensive simulation studies and a real example in functional genomics.
登录
查看更多内容
影响因子：
4.3
作者：
Cai J;Xie D;Fan Z;Chipperfield H;Marden J;Wong WH;Zhong S
通讯作者：
Zhong S
影响因子：
4.5
作者：
HALL, P;LI, KC
通讯作者：
LI, KC
影响因子：
48
作者：
Cloonan, Nicole;Forrest, Alistair R. R.;Grimmond, Sean M.
通讯作者：
Grimmond, Sean M.
影响因子：
3.7
作者：
FRIEDMAN, JH;TUKEY, JW
通讯作者：
TUKEY, JW
影响因子：
11.4
作者：
Matsuda, T;Nakamura, T;Yokota, T
通讯作者：
Yokota, T