On a Principal Varying Coefficient Model
On a Principal Varying Coefficient Model
复制标题
关于主变系数模型
DOI：
10.1080/01621459.2012.736904
复制
发表时间：
2012-10
影响因子：
3.7
通讯作者：
Jiang, Guohua
中科院分区：
文献类型：
--
作者：
Jiang, Qian;Wang, Hansheng;Xia, Yingcun;Jiang, Guohua
本文提出了一种新的变系数模型--主变系数模型（PVCM）。与传统的VCM相比，PVCM减少了非参数函数的实际数目，从而具有更好的估计效率。与半变系数模型（SVCM）相比，当PVCM中的主函数个数和SVCM中的变系数个数相同时，PVCM具有更大的灵活性和相同的估计效率。研究了模型的估计和辨识问题，并从理论上证明了该方法具有较好的估计效率。通过引入L1罚值，可以自动选择线性组合中的变量，从而进一步提高估计效率。数值实验表明，该模型连同估计方法是有用的，即使当协变量的数量很大。本文的补充材料可在网上查阅。
We propose a novel varying coefficient model (VCM), called principal varying coefficient model (PVCM), by characterizing the varying coefficients through linear combinations of a few principal functions. Compared with the conventional VCM, PVCM reduces the actual number of nonparametric functions and thus has better estimation efficiency. Compared with the semivarying coefficient model (SVCM), PVCM is more flexible but with the same estimation efficiency when the number of principal functions in PVCM and the number of varying coefficients in SVCM are the same. Model estimation and identification are investigated, and the better estimation efficiency is justified theoretically. Incorporating the estimation with the L 1 penalty, variables in the linear combinations can be selected automatically, and hence, the estimation efficiency can be further improved. Numerical experiments suggest that the model together with the estimation method is useful even when the number of covariates is large. Supplementary materials for this article are available online.
登录
查看更多内容
DOI：
10.1198/016214508000000418
发表时间：
2008-06-01
影响因子：
3.7
作者：
Wang, Hansheng;Xia, Yingcun
通讯作者：
Xia, Yingcun
影响因子：
3.7
作者：
H. Müller;Jianqing Fan;I. Gijbels
通讯作者：
H. Müller;Jianqing Fan;I. Gijbels
DOI：
10.1198/016214502388618960
发表时间：
2002-12-01
影响因子：
3.7
作者：
Stock, JH;Watson, MW
通讯作者：
Watson, MW
DOI：
10.1016/0095-0696(78)90006-2
发表时间：
1978-01-01
影响因子：
4.6
作者：
HARRISON, D;RUBINFELD, DL
通讯作者：
RUBINFELD, DL
影响因子：
3.7
作者：
Cai, ZW;Fan, JQ;Li, RZ
通讯作者：
Li, RZ