聚类二元数据均值与关联结构的同步模型选择与估计
统计理论
2012-08-23 v1 统计理论
摘要
本文研究了同时对均值结构和关联结构建模时惩罚估计方程的性质。为了依次选择均值结构和关联结构的变量，我们提出了一种分层惩罚广义估计方程（HPGEE2）方法。第一组惩罚估计方程用于选择显著的均值参数。在选定均值模型的条件下，求解第二组惩罚估计方程以选择显著的关联参数。该分层方法旨在适应将协变量纳入均值模型和关联模型之间可能存在的模型约束。与同时求解两组惩罚方程相比，这种两步惩罚策略具有减轻计算负担的显著优势。带有平滑截断绝对偏差（SCAD）惩罚的 HPGEE2 被证明对均值和关联模型具有 oracle 性质。建立了该分层方法下惩罚估计量的渐近行为。开发了一种高效的两阶段惩罚加权最小二乘算法来实现所提出的方法。通过 Monte-Carlo 研究和临床数据集分析，展示了所提出的 HPGEE2 的实证性能。
引用
@article{arxiv.1208.4379,
title = {Simultaneous Model Selection and Estimation for Mean and Association Structures with Clustered Binary Data},
author = {Xin Gao and Grace Y. Yi},
journal= {arXiv preprint arXiv:1208.4379},
year = {2012}
}