首页|含顺序类别自变量的中位数惩罚回归及应用研究

含顺序类别自变量的中位数惩罚回归及应用研究

Penalized median regression with ordinal categorical covariates and its application

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
中位数回归不对误差项分布做过强假设且对异常值不敏感,可以提高回归模型的稳健性.自适应LASSO进行变量选择时对自变量采用有差别的惩罚系数,避免了系数的过度压缩.对于含有顺序类别自变量数据进行回归建模时,考虑到此类自变量中伪分类的存在.构建了一种通过哑变量的线性变换,并结合自适应LASSO惩罚的中位数回归方法.该方法不仅能够进行变量选择得到稳健的估计结果还能进行伪分类的识别与融合.通过2个实际数据验证了该方法的可行性和有效性.

吉洋莹、潘雨辰、黄磊

展开 >

西南交通大学 数学学院,成都 611756

自适应LASSO 中位数惩罚回归 顺序类别自变量 伪分类

国家自然科学基金中央高校基本科研业务费专项四川省自然科学基金

117710662682020ZT1132022NSFSC1850

2022

10.3969/j.issn.1674-8425(z).2022.11.031

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(11)
  • 1