基于边际经验似然的非参数与半参数模型局部独立特征筛选

我们考虑一种独立特征筛选技术，用于在高维回归分析中识别对响应变量有局部贡献的解释变量。我们的方法不要求底层数据模型的特定参数形式，可容纳广泛的非参数和半参数模型族。为检测解释变量的局部贡献，我们的方法结合边际非参数回归在局部构造经验似然。由于我们的方法实际上不需要估计，因此在诸如单指标模型等甚至边际模型的设定与识别都存在问题的场景中具有优势。通过自动纳入非参数回归的变动水平并直接评估支持各解释变量局部贡献的数据证据强度，我们的方法为解决特征筛选问题提供了独特视角。理论分析表明，我们的方法能处理随样本量指数增长的数据维度。通过广泛的理论说明与数值例子，我们展示了局部独立筛选方法表现良好。