函数对标量回归中变量选择、聚类与平滑的同步实现
应用统计
2019-06-26 v1
摘要
我们通过使用一种同时选择、聚类并平滑函数效应的先验，解决函数对标量回归模型中的多重共线性问题。我们的方法对高度相关预测变量的效应进行分组，在不从模型中丢弃相关预测变量的情况下实现降维。我们通过一项模拟研究验证了我们的方法，显示出相对于函数对标量文献中现有降维方法的更优性能。我们还在来自联合国性别信息数据库的特定年龄生育率数据集上展示了我们模型的应用。
引用
@article{arxiv.1906.10286,
title = {Simultaneous Variable Selection, Clustering, and Smoothing in Function on Scalar Regression},
author = {Suchit Mehrotra and Arnab Maity},
journal= {arXiv preprint arXiv:1906.10286},
year = {2019}
}