线性混合效应模型中基于自适应岭过程的L0惩罚固定效应选择
统计方法学
2017-05-08 v2
摘要
本文关注线性混合效应模型中固定效应的选择，以及固定效应、随机效应和方差分量的估计。我们引入一种基于剖面似然（profiled likelihood）的自适应岭（AR）惩罚的选择过程，其中随机效应的协方差矩阵进行Cholesky分解。该选择过程旨在适用于低维和高维设定，其中固定效应个数允许随总样本量呈指数增长，由于L0惩罚导致的非凸优化问题带来了技术困难。通过广泛的模拟研究，将该过程与LASSO选择进行比较，其似乎具有模型选择一致性以及估计一致性。
引用
@article{arxiv.1705.01308,
title = {Fixed effects selection in the linear mixed-effects model using adaptive ridge procedure for L0 penalty performance},
author = {Eric Adjakossa and Grégory Nuel},
journal= {arXiv preprint arXiv:1705.01308},
year = {2017}
}