分类解释变量的稀疏建模
应用统计
2011-01-10 v1
摘要
回归分析中的收缩方法通常是为度量预测变量设计的。然而，本文提出了针对分类预测变量的收缩方法。作为一个应用，我们考虑了慕尼黑租金标准数据，其中，例如，城市区域被当作一个分类预测变量。如果自变量是分类的，则需要对通常的收缩程序进行一些修改。我们提出并研究了两种基于L1惩罚的方法，分别用于因子选择和类别聚类。第一种方法是为名义尺度水平设计的，第二种方法是为有序预测变量设计的。除了将它们应用于慕尼黑租金标准数据外，我们还在模拟研究中说明并比较了这些方法。
引用
@article{arxiv.1101.1421,
title = {Sparse modeling of categorial explanatory variables},
author = {Jan Gertheiss and Gerhard Tutz},
journal= {arXiv preprint arXiv:1101.1421},
year = {2011}
}
备注
Published in at http://dx.doi.org/10.1214/10-AOAS355 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)