基于 Copula 的偏相关筛选：一种联合且稳健的方法
统计理论
2018-12-27 v2 统计理论
摘要
超高维特征的筛选可能遇到复杂问题，如离群观测、异方差性或重尾分布、多重共线性以及混杂效应。标准的基于相关的边际筛选方法可能是应对这些问题的薄弱方案。我们提出了一种新颖的稳健联合筛选器，以保护响应变量和协变量免受离群值和分布误设定的影响，并在筛选步骤中考虑外部变量。具体而言，我们引入了基于 copula 的偏相关（CPC）筛选器。我们证明了所估计 CPC 的经验过程弱收敛于高斯过程，并在非常温和的技术条件下建立了 CPC 筛选器的确定筛选性质，其中我们无需要求任何矩条件，这比文献中现有的替代方法更弱。此外，从理论角度看，我们的方法允许条件变量数发散。我们包含了广泛的模拟研究和两个数据应用以说明我们的提议。
引用
@article{arxiv.1802.01227,
title = {Copula-based Partial Correlation Screening: a Joint and Robust Approach},
author = {Xiaochao Xia and Jialiang Li},
journal= {arXiv preprint arXiv:1802.01227},
year = {2018}
}
备注
50 pages, 1 figures, 10 tables