Studies on screening methods for data with ultra-high dimensional covariates

超高维协变量数据筛选方法研究

• 批准号: 16K05268
• 负责人: HONDA TOSHIO
• 金额: $ 2.75万
• 依托单位: Hitotsubashi University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2016
• 资助国家: 日本
• 起止时间: 2016-04-01 至 2019-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16K05268/
• 关键词: 超高次元データ; 変動係数モデル; 加法モデル; Cox回帰モデル; 分位点回帰; スプライン基底; 高次元データ; 変数選択; セミパラメトリックモデル; スクリーニング法

项目成果

国立清華大学統計学研究所(台湾)

国立清华大学统计研究所（台湾）

Variable selection and structure identification for varying coefficient Cox models

• DOI: 10.1016/j.jmva.2017.07.007
• 发表时间: 2016-07
• 期刊: J. Multivar. Anal.
• 作者: Toshio Honda;Ryota Yabe

Adaptively weighted group Lasso for semiparametric quantile regression models

• DOI: 10.3150/18-bej1091
• 发表时间: 2019-11
• 期刊: Bernoulli
• 影响因子: 1.5
• 作者: Toshio Honda;C. Ing;Wei-Ying Wu

EFFICIENT ESTIMATION IN SEMIVARYING COEFFICIENT MODELS FOR LONGITUDINAL/CLUSTERED DATA

• DOI: 10.1214/15-aos1385
• 发表时间: 2016-10-01
• 期刊: ANNALS OF STATISTICS
• 影响因子: 4.5
• 作者: Cheng, Ming-Yen;Honda, Toshio;Li, Jialiang
• 通讯作者: Li, Jialiang

一橋大学研究者情報：本田敏雄

一桥大学研究员信息：本田敏夫