有序响应对有序预测变量的回归中的正则化与模型选择及其在食品产品测试与调查数据中的应用
统计方法学
2024-07-26 v2 应用统计
摘要
有序数据在应用统计中十分常见。尽管过去几年已发展出一些针对分类预测变量与有序响应模型的选择和正则化技术，但关于有序对有序回归的研究仍较少。受由 Likert 型条目构成的、关于奢侈食品支付意愿的消费者测试与调查启发，我们提出了一种在累积 logit 模型中对有序尺度预测变量进行平滑与选择的策略。首先，通过对相邻哑变量系数使用差分惩罚来修正分组 lasso，从而考虑预测变量的有序结构。其次，提出了一种融合 lasso 型惩罚，用于预测变量类别的融合与因子选择。两种方法的性能在模拟研究及真实世界数据上进行了评估。
引用
@article{arxiv.2309.16373,
title = {Regularization and Model Selection for Ordinal-on-Ordinal Regression with Applications to Food Products' Testing and Survey Data},
author = {Aisouda Hoshiyar and Laura H. Gertheiss and Jan Gertheiss},
journal= {arXiv preprint arXiv:2309.16373},
year = {2024}
}