回归混合模型的无监督 Liu 型收缩估计量
统计方法学
2022-09-13 v1
摘要
在许多应用（例如医学研究）中，感兴趣的总体（例如疾病状态）由异质子总体组成。概率回归混合模型是将协变量信息纳入总体异质性学习的最常用技术之一。尽管其具有灵活性，该模型在存在多重共线性问题时可能导致不可靠的估计。在本文中，我们通过无监督学习方法发展了 Liu 型收缩方法，以估计多重共线性下的模型系数。所发展方法的性能通过分类和随机版本的 EM 算法进行评估。数值研究表明，所提出的方法优于其 Ridge 和极大似然对应方法。最后，将所发展的方法应用于分析 50 岁及以上女性的骨矿物质数据。
引用
@article{arxiv.2209.04739,
title = {Unsupervised Liu-type Shrinkage Estimators for Mixture of Regression Models},
author = {Elsayed Ghanem and Armin Hatefi and Hamid Usefi},
journal= {arXiv preprint arXiv:2209.04739},
year = {2022}
}
备注
33 pages, 12 figures, 7 tables