部分异质线性回归的分组平均与凸聚类
统计方法学
2017-11-02 v1
摘要
本文引入子组最小二乘法和凸聚类,用于推断部分异质线性回归,该模型在精准营销和精准医疗领域具有潜在应用。同质参数和异质参数的子组平均可由子组最小二乘法一致估计,且不需要异质参数的稀疏性假设。异质参数可通过凸聚类一致地聚类。与现有的回归聚类方法不同,我们的聚类过程是一种标准的均值聚类,尽管所研究的模型是一类回归,且相应算法仅涉及低维参数。因此,即便样本量很大,该方法也简单且稳定。该方法的优势通过模拟研究以及汽车销售数据分析得到进一步说明。
引用
@article{arxiv.1711.00235,
title = {Group-Average and Convex Clustering for Partially Heterogeneous Linear Regression},
author = {Lu Lin and Jun Lu and Chen Lin},
journal= {arXiv preprint arXiv:1711.00235},
year = {2017}
}