基于变量重要性的交互建模及其在 COVID-19 初期传播中的应用
统计方法学
2022-10-17 v1 应用统计
摘要
针对同时含连续与类别预测变量的线性回归模型进行交互选择在现代科学诸多领域十分有用，但在预测变量数量较大时极具挑战。现有交互选择方法聚焦于寻找单一最优模型。尽管此类方法的一致性、 oracle 性质等吸引人的特性已得到充分确立，它们在高维数据稳定性上实际表现欠佳，且通常未处理类别预测变量。本文引入一种基于变量重要性的交互建模（VIBIM）流程，用于学习含连续与类别预测变量的线性回归模型中的交互。其给出多个具有高稳定性与可解释性的强候选模型。模拟研究展示了良好的有限样本表现。我们将 VIBIM 流程应用于 Tian 等（2020）所用的 2019 冠状病毒病（COVID-19）数据，并度量相关因素（含传播管控措施）对 COVID-19 传播的影响。结果表明，VIBIM 方法在可解释性、稳定性、可靠性与预测方面均得出更优模型。
引用
@article{arxiv.2210.07498,
title = {Variable Importance Based Interaction Modeling with an Application on Initial Spread of COVID-19 in China},
author = {Jianqiang Zhang and Ze Chen and Yuhong Yang and Wangli Xu},
journal= {arXiv preprint arXiv:2210.07498},
year = {2022}
}