基于条件累积分布函数的条件变量筛选

变量筛选是分析超高维数据的重要方法,现有边际筛选方法在某些情况下易导致高错误发现率。另外,在很多实际问题中,研究者事先知道某个(些)协变量对响应变量有重要影响,在变量筛选的过程中,应该考虑这个先验信息。文章提出了一种新的条件变量筛选方法,并证明了该方法具有确定性筛选性质。数值模拟结果验证了所提方法在有限样本下具有良好表现。最后,通过实际数据分析验证了该方法的有效性。

基于遍历函数型数据条件分位数估计的相合性

文章利用鞅的方法研究了基于平稳遍历函数型数据条件分位数的非参数估计,在一定的条件下建立了条件分位数估计的相合性,即在遍历数据集下,研究解释变量X取值于某半度量空间而响应变量Y取值于实值空间R时条件分位数的性质;同时给出了相同条件下条件分布函数的相合性和渐近性质,推广了现有文献中的相关结果。