基于融合LAD-lasso的含相关协变量块之稳健多结果回归
统计方法学
2022-12-02 v1
摘要
Lasso是高维回归模型中同时进行估计与变量选择的一种流行且高效的方法。本文提出一种面向多结果（multiple outcomes）的稳健LAD-lasso方法，以应对非正态结果分布与离群观测值带来的挑战。来自空间或时间、光谱波段或基因组位置的协变量测量数据，常因协变量间距离度量而具有天然的相关结构。所提出的多结果方法通过组融合惩罚（group fusion penalty）处理此类协变量块，该惩罚通过惩罚相邻回归系数向量之间的差异（例如在序列数据情形下）来鼓励其相似性。首先通过大量模拟说明所提方法的特性，其次将该方法应用于一个关于退休行为的真实偏态数据实例，其解释变量具有异方差性。
引用
@article{arxiv.2212.00461,
title = {Robust multi-outcome regression with correlated covariate blocks using fused LAD-lasso},
author = {Jyrki Möttönen and Tero Lähderanta and Janne Salonen and Mikko J. Sillanpää},
journal= {arXiv preprint arXiv:2212.00461},
year = {2022}
}