Variable Selection for Global Fréchet Regression
Variable Selection for Global Fréchet Regression
复制标题
全局 Fréchet 回归的变量选择
DOI：
10.1080/01621459.2021.1969240
复制
发表时间：
2021
影响因子：
3.7
通讯作者：
Müller, Hans-Georg
中科院分区：
文献类型：
--
作者：
Tucker, Danielle C.;Wu, Yichao;Müller, Hans-Georg
全局Fréchet回归是线性回归的扩展，以涵盖更一般的响应类型，例如分布，网络和流形，这些都变得越来越普遍。在这样的模型中，预测因子是欧几里得的，而响应是度量空间值。预测因子的选择对于存在多个预测因子的回归建模具有重要意义，但对于Fréchet回归尚未解决。由于响应的度量空间值性质，Fréchet回归模型不具有模型参数，并且这种参数的缺乏使得将现有的线性回归的变量选择方法扩展到全局Fréchet回归成为一个重大挑战。在这项工作中，我们解决这个挑战，并提出了一种新的变量选择方法，克服了它，并具有良好的实际性能。我们提供了理论支持，并证明所提出的变量选择方法实现选择一致性。我们还探讨了所提出的方法的有限样本性能的数值例子和数据说明。
Global Fréchet regression is an extension of linear regression to cover more general types of responses, such as distributions, networks, and manifolds, which are becoming more prevalent. In such models, predictors are Euclidean while responses are metric space valued. Predictor selection is of major relevance for regression modeling in the presence of multiple predictors but has not yet been addressed for Fréchet regression. Due to the metric space-valued nature of the responses, Fréchet regression models do not feature model parameters, and this lack of parameters makes it a major challenge to extend existing variable selection methods for linear regression to global Fréchet regression. In this work, we address this challenge and propose a novel variable selection method that overcomes it and has good practical performance. We provide theoretical support and demonstrate that the proposed variable selection method achieves selection consistency. We also explore the finite sample performance of the proposed method with numerical examples and data illustrations.
具有一般协变量和各向异性误差的球面回归模型
影响因子：
2.2
作者：
P. J. Paine;S. Preston;M. Tsagris;A. Wood
通讯作者：
A. Wood
语言对象数据的空间建模方法：分析英国各地的方言声音变化
影响因子：
3.7
作者：
Shahin Tavakoli;D. Pigoli;J. Aston;J. Coleman
通讯作者：
J. Coleman