基于经验似然方法对分位数相关系数的区间估计

分位数相关系数是一种度量两个随机变量之间线性相关关系的非对称相关系数,在统计,金融,化学等领域的特征选择问题中都扮演着重要的作用.同时,经验似然作为一种非参数方法,被广泛应用于各类模型的统计推断问题.对于任意两个随机变量,从分位数相关系数的定义出发,建立估计方程,引入代入经验似然方法(PEL)和其修正版本(APEL),分别得到渐近规则化的卡方分布和标准卡方分布,从而得到分位数相关系数的区间估计.数值模拟部分从覆盖概率,置信区间长度和基于区间得分的平均损失三方面比较了两种基于经验似然的方法同其他已有方法的效果.实证分析部分将提出的方法应用于一项来自福布斯排行榜的数据集.

迭代的稳健超高维变量筛选

特征筛选在统计模型中非常重要。文章基于分位数相关系数提出一种新的迭代稳健模型释放的变量筛选方法，该方法可以有效解决那些与因变量边际关系比较弱，而组合关系比较强的显著自变量的漏选问题。模拟研究比较了迭代确保独立筛选方法、迭代确保独立秩筛选方法、迭代距离确保独立筛选方法等。模拟结果印证了提出方法的有效性和灵活性。