Logistic回归模型的稳健组变量选择

在统计建模中,变量选择是一个很重要的环节,对数据分析有非常重要的作用。许多统计建模问题中都有组变量的存在,在组变量选择问题中,group MCP和group SCAD因具有Oracle性质而被广泛使用,同时group LASSO也是一种比较经典的方法。文章将这三种方法应用到logistic回归模型中,研究了当协变量存在异常值时的组变量选择问题,提出了加权惩罚似然函数来消除异常值对估计的影响,并且通过数据模拟验证了加权方法有非常好的表现。