Multi-Resolution Analysis of Variable Selection for Road Safety in St. Louis and Its Neighboring Area
统计方法学
2026-01-05 v1
摘要
Lasso、自适应 Lasso 和 SCAD 是存在大量预测变量时变量选择的标准方法。近年来，针对预测器数量不断增加的空间点过程的强度函数估计，许多研究者已考虑这些惩罚方法。但我们讨论了空间点过程数据变量选择方法的多分辨率视角。其优势体现在两个方面：它不仅高效地选择预测器，还提供了在特定分辨率下哪些点易于选择预测器的思路。实际上，我们的研究动力来自 St. Louis 及其邻区的犯罪和事故发生情况。在当地层面选择预测器更为相关，因此我们得出在 St. Louis 的哪些区域发生犯罪或事故时，哪些预测器集合是相关的。我们描述了模拟结果，以证明局部层面变量选择在强度函数估计中的准确性。
引用
@article{arxiv.2601.00147,
title = {Multi-Resolution Analysis of Variable Selection for Road Safety in St. Louis and Its Neighboring Area},
author = {Debjoy Thakur and Soumendra N. Lahiri},
journal= {arXiv preprint arXiv:2601.00147},
year = {2026}
}