函数型隐动态地统计模型的自适应 LASSO 估计
统计方法学
2023-10-24 v1 统计计算
机器学习
摘要
我们针对函数型隐动态地统计模型 (f-HDGM) 提出了一种基于惩罚最大似然估计 (PMLE) 的模型选择新算法。这些模型采用经典混合效应回归结构并嵌入时空动态，以建模在函数域中观测的地理参考数据集。因此，关注参数为该域上的函数。算法同时选择用于建模响应变量与协变量间固定效应关系的相关样条基函数与回归量。由此，它自动将函数系数中不相关的部分或无关回归量的整体效应收缩为零。该算法基于迭代优化，并使用自适应最小绝对收缩与选择算子 (LASSO) 惩罚函数，其中权重由无惩罚 f-HDGM 最大似然估计量获得。通过似然的局部二次近似，最大化的计算负担被大幅降低。借助蒙特卡洛模拟研究，我们分析了算法在不同情景下的表现，包括回归量间强相关情形。我们表明，在所考察的所有案例中，惩罚估计量均优于无惩罚估计量。我们将算法应用于真实案例研究，其中意大利伦巴第大区每小时二氧化氮浓度的记录被建模为具有若干气象与土地覆盖协变量的函数型过程。
引用
@article{arxiv.2208.05528,
title = {Adaptive LASSO estimation for functional hidden dynamic geostatistical model},
author = {Paolo Maranzano and Philipp Otto and Alessandro Fassò},
journal= {arXiv preprint arXiv:2208.05528},
year = {2023}
}