Large numbers of explanatory variables: a probabilistic assessment.
Large numbers of explanatory variables: a probabilistic assessment.
复制标题
DOI：
10.1098/rspa.2017.0631
复制
发表时间：
2018-07
期刊：
影响因子：
--
通讯作者：
Cox DR
中科院分区：
文献类型：
--
作者：
Battey HS;Cox DR
最近，考克斯和巴蒂（2017 Proc. Natl Acad. Sci. USA 114，8592-8595（doi：10.1073/pnas.1703764114））概述了当存在少量的研究个体和大量的潜在解释变量，但相对较少的后者具有真实的效果时的回归分析程序。本文件报告更正式的统计性质。这些结果主要用于指导关键调优参数的选择。
Recently, Cox and Battey (2017 Proc. Natl Acad. Sci. USA 114, 8592–8595 (doi:10.1073/pnas.1703764114)) outlined a procedure for regression analysis when there are a small number of study individuals and a large number of potential explanatory variables, but relatively few of the latter have a real effect. The present paper reports more formal statistical properties. The results are intended primarily to guide the choice of key tuning parameters.
DOI：
10.1073/pnas.1703764114
发表时间：
2017-08-08
影响因子：
11.1
作者：
Cox, D. R.;Battey, H. S.
通讯作者：
Battey, H. S.
影响因子：
2
作者：
Yates, F
通讯作者：
Yates, F
DOI：
10.1111/j.2517-6161.1996.tb02080.x
发表时间：
1996-01-01
影响因子：
5.8
作者：
Tibshirani, R
通讯作者：
Tibshirani, R