Variable selection for varying dispersion beta regression model
Variable selection for varying dispersion beta regression model
复制标题
不同离散度 beta 回归模型的变量选择
DOI：
10.1080/02664763.2013.830284
复制
发表时间：
2014-01
影响因子：
1.5
通讯作者：
Jicai Liu
中科院分区：
文献类型：
--
作者：
Weihua Zhao;Riquan Zhang;Yazhao Lv;Jicai Liu
从业者通常使用beta回归模型对假设值在标准单位区间（0,1）内的变量进行建模。在本文中，我们考虑了变离散度beta回归模型（VBRM）的变量选择问题，其中均值和离散度都依赖于预测变量。基于惩罚似然方法，建立了惩罚估计量的一致性和预言性。根据广义线性模型的坐标下降算法思想，提出了一种新的VBRM变量选择方法，可以有效地同时估计和选择均值模型和离散模型中的重要变量。通过仿真研究和体脂数据分析来说明所提出的方法。
The beta regression models are commonly used by practitioners to model variables that assume values in the standard unit interval (0, 1). In this paper, we consider the issue of variable selection for beta regression models with varying dispersion (VBRM), in which both the mean and the dispersion depend upon predictor variables. Based on a penalized likelihood method, the consistency and the oracle property of the penalized estimators are established. Following the coordinate descent algorithm idea of generalized linear models, we develop new variable selection procedure for the VBRM, which can efficiently simultaneously estimate and select important variables in both mean model and dispersion model. Simulation studies and body fat data analysis are presented to illustrate the proposed methods.
登录
查看更多内容
DOI：
10.1198/tas.2003.s212
发表时间：
2003-02
期刊：
The American Statistician
影响因子：
--
作者：
R. D. Cook;S. Weisberg
通讯作者：
R. D. Cook;S. Weisberg
DOI：
10.1080/00949655.2011.599033
发表时间：
2012-11
影响因子：
1.2
作者：
Francisco Cribari‐Neto;Tatiene C. Souza
通讯作者：
Francisco Cribari‐Neto;Tatiene C. Souza
DOI：
10.2307/2347392
发表时间：
1990-11
期刊：
Applied statistics
影响因子：
--
作者：
P. Cheek;P. McCullagh;J. Nelder
通讯作者：
P. Cheek;P. McCullagh;J. Nelder
影响因子：
2.5
作者：
E. Ziegel
通讯作者：
E. Ziegel
DOI：
10.1002/wics.175
发表时间：
2011-08
期刊：
Wiley Interdisciplinary Reviews: Computational Statistics
影响因子：
--
作者：
John Neuhaus;Charles McCulloch
通讯作者：
John Neuhaus;Charles McCulloch