Variable selection in finite mixture of location and mean regression models using skew-normal distribution
Variable selection in finite mixture of location and mean regression models using skew-normal distribution
复制标题
使用偏态正态分布的位置和均值回归模型的有限混合中的变量选择
DOI：
10.1080/03610918.2021.1999977
复制
发表时间：
2021-11
期刊：
影响因子：
--
通讯作者：
Liucang Wu
中科院分区：
文献类型：
--
作者：
Danlu Wang;Xin Zeng;Liucang Wu
摘要 本文讨论了带有偏斜正态误差的有限混合位置回归（FMLR）和有限混合均值回归（FMMR）模型的变量选择方法。单变量偏斜正态分布由 Sahu 等人引入。将在这项工作中使用，这是很有吸引力的，因为偏度参数的估计并不像 Azzalini 的情况那样困难，而且它可以轻松实现 EM 算法。本文介绍了 FMLR 和 FMMR 模型中变量选择的惩罚似然方法。通过选择调整参数的数据自适应方法，我们建立了程序的理论特性，包括变量选择的一致性、估计中的预言特性。开发了由高斯-牛顿方法促进的用于高效数值计算的 EM 算法。模拟研究和真实数据集用于说明所提出的方法。
Abstract In this article, a variable selection method for the finite mixture of location regression (FMLR) and the finite mixture of mean regression (FMMR) models with a skew-normal error are discussed. The univariate skew-normal distribution was introduced by Sahu et al. will be used in this work, which is attractive because estimation of the skewness parameter does not present the same degree of difficulty as in the case with Azzalini one and, moreover, it allows easy implementation of the EM algorithm. A penalized likelihood approach for variable selection in FMLR and FMMR models was introduced in this article. With a data-adaptive method for selecting tuning parameters, we establish the theoretical properties of our procedure, including consistency in variable selection, the oracle property in estimation. The EM algorithm facilitated by Gauss–Newton method for efficient numerical computations are developed. Simulation studies and a real data set are used to illustrate the proposed methodologies.
登录
查看更多内容
具有偏斜正态误差的关节位置和尺度非线性模型的贝叶斯推理
DOI：
10.1080/03610918.2014.977913
发表时间：
2017-01
影响因子：
0.9
作者：
Xu, Dengke;Zhang, Zhongzhan
通讯作者：
Zhang, Zhongzhan
影响因子：
2.7
作者：
Wang, Hansheng;Li, Runze;Tsai, Chih-Ling
通讯作者：
Tsai, Chih-Ling
DOI：
10.1111/1467-9868.00194
发表时间：
1999-01-01
影响因子：
5.8
作者：
Azzalini, A;Capitanio, A
通讯作者：
Capitanio, A
使用偏正态分布的有限混合回归模型中的变量选择
DOI：
10.1080/02664763.2019.1709051
发表时间：
2019-12
期刊：
Journal of Applied Statistics
影响因子：
--
作者：
Junhui Yin;Liucang Wu;Lin Dai
通讯作者：
Lin Dai
DOI：
10.1007/s11766-016-3367-2
发表时间：
2016-08
期刊：
Applied Mathematics-A Journal of Chinese Universities
影响因子：
--
作者：
Huiqiong Li;Liucang Wu;Jie-yi Yi
通讯作者：
Huiqiong Li;Liucang Wu;Jie-yi Yi