稀疏 GLARMA 模型中的变量选择
统计方法学
2022-08-31 v1
摘要
在本文中，我们针对广泛用于离散值时间序列建模的稀疏 GLARMA 模型，提出了一种新颖且高效的二阶段变量选择方法。我们的方法迭代地结合 GLARMA 模型自回归移动平均（ARMA）系数的估计与为广义线性模型（GLM）回归系数执行变量选择而设计的正则化方法。我们首先在特定情形下建立了 ARMA 部分系数估计量的一致性。随后，我们解释了如何高效地实现我们的方法。最后，我们利用合成数据评估了我们所提方法的性能，将其与替代方法进行比较，并在一个真实世界应用实例上进行了说明。我们的方法已在 GlarmaVarSel R 包中实现并发布于 CRAN，极具吸引力，因为它计算负担低，并且能够在系数估计方面优于其他方法，特别是在恢复非零回归系数上。
引用
@article{arxiv.2208.14168,
title = {Variable selection in sparse GLARMA models},
author = {Marina Gomtsyan and Céline Lévy-Leduc and Sarah Ouadah and Laure Sansonnet and Thomas Blein},
journal= {arXiv preprint arXiv:2208.14168},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2007.08623, arXiv:1907.07085