An adaptive group LASSO approach for domain selection in functional generalized linear models
An adaptive group LASSO approach for domain selection in functional generalized linear models
复制标题
函数广义线性模型中域选择的自适应群 LASSO 方法
DOI：
--
复制
发表时间：
2021-11
影响因子：
0.9
通讯作者：
Wang Qihua
中科院分区：
文献类型：
--
作者：
Sun Yifan;Wang Qihua
本文重点研究泛函广义线性模型系数函数的估计和零区检测。传统的估计方法不能用作无效区域检测器。为了同时估计系数函数并检测函数广义线性模型中相应的重要子区域，开发了一种采用 B 样条平滑技术的自适应群 LASSO 方法。获得所得估计器的收敛率。然后建立域选择的一致性和所提出的估计量的限制分布，这并不简单，因为要惩罚的组是重叠的。这些渐近性质也得到了广泛的模拟研究的支持。结果估计器的性能优于直接自适应 LASSO 估计器和一些现有的函数广义线性模型估计器，这些估计器是在不考虑域选择的情况下获得的。真实的数据应用揭示了所提出的方法的有效性。
This paper focuses on estimation and null region detection of the coefficient function.for functional generalized linear models. Traditional estimating approaches cannot.serve as null regions detectors. To simultaneously estimate coefficient functions and.detect corresponding important subregions in functional generalized linear models, an.adaptive group LASSO approach with B-spline smoothing technique is developed. The.convergence rate of the resulting estimator is obtained. The consistency of domain.selection and limiting distribution of the proposed estimator are then established,.which is not straightforward since the groups to be penalized are overlapping. These.asymptotic properties are also supported by extensive simulation studies. The resulting.estimator performs better than direct adaptive LASSO estimators and some existing.functional generalized linear models estimators, which are obtained without considering.the domain selection. A real data application reveals the effectiveness of the proposed.method.
登录
查看更多内容
影响因子：
3.7
作者：
Crainiceanu CM;Staicu AM;Di CZ
通讯作者：
Di CZ
影响因子：
1.4
作者：
Zhou J;Wang NY;Wang N
通讯作者：
Wang N
影响因子：
1.4
作者：
Du, Pang;Wang, Xiao
通讯作者：
Wang, Xiao
影响因子：
4.5
作者：
Yao, F;Müller, HG;Wang, JL
通讯作者：
Wang, JL
DOI：
10.5705/ss.202019.0409
发表时间：
2020
期刊：
--
影响因子：
--
作者：
Yunxiang Huang;Qihua Wang
通讯作者：
Yunxiang Huang;Qihua Wang