文献

J-GLOBAL ID：201802258171202986   整理番号：18A0795966

高次元Gaussコピュラ回帰モデルのための変数選択:適応仮説検定手順【JST・京大機械翻訳】

Variable selection for high dimensional Gaussian copula regression model: An adaptive hypothesis testing procedure

著者 (3件)： He Yong (School of Statistics, Shandong University of Finance and Economics, Jinan, 250014, China) ,  Zhang Xinsheng (School of Management, Fudan University, Shanghai, 200433, China) ,  Zhang Liwen (School of Statistics and Management, Shanghai University of Finance and Economics, Shanghai, 200433, China)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 124  ページ： 132-150  発行年： 2018年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,高次元Gauss copula回帰モデルに対する可変選択問題を考察した。可変選択問題を多重試験問題に変換した。正則化または段階的アルゴリズムに依存する既存の方法と比較して,著者らの方法は正規化パラメータと偽発見変数の数または停止規則の決定の間のあいまいな関係を避けた。著者らは,未知の単調限界変換に対するロバスト性と適応性を達成する著者らのテスト統計を構築するために,ノンパラメトリックランクベースの相関係数推定量を利用した。複数のテスト手順が誤発見率(FDR)または誤って発見された変数(FDV)の平均数を漸近的に制御できることを示した。また,非常に高い次元設定を扱うための複数のテスト手順のスクリーニングを提案した。理論解析に加えて,数値シミュレーションを行い,著者らの方法の可変選択性能をいくつかの最先端の方法と比較した。また,提案した方法をコミュニティと犯罪の非正規化データセットに適用し,その経験的有用性を例証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正則化 ,  *回帰モデル ,  選択問題 ,  *高次元 ,  ロバスト性 ,  曖昧さ ,  *仮説検定 ,  相関係数 ,  シミュレーション ,  犯罪 ,  アルゴリズム ,  正規化 ,  適応性 ,  推定量
準シソーラス用語： *変数選択 ,  *コピュラ , 【Automatic Indexing@JST】

著者キーワード (4件)： Gaussコピュラ回帰 ,  変数選択 ,  多重試験 ,  FDR/FDV

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (7件)： 高次元 ,  コピュラ ,  回帰モデル ,  変数選択 ,  適応 ,  仮説検定 ,  手順