-
题名基于ADMM算法的网络连接数据变量选择
- 1
-
-
作者
方佳佳
李阳
郑泽敏
-
机构
中国科学技术大学管理学院统计与金融系
-
出处
《计算机系统应用》
2022年第1期11-20,共10页
-
基金
国家自然科学基金(12101584,11601501,11671374,71731010,71921001)
中国博士后科学基金(2021TQ0326,2021M703100)
2021年合肥市博士后科研活动项目。
-
文摘
随着科技的发展,网络连接数据在统计学习、机器学习等领域的应用越来越普遍.在线性回归模型中,目前关于网络连接数据的变量选择研究主要针对的是同质性样本,即样本的个体效应α相同,但在现实中大多数样本的个体效应存在异质性,在不考虑异质性的情况下会使得模型的估计和预测产生较大偏差.因此,当网络数据中个体效应存在组异质性时,本文提出一种新的变量选择方法 SNC.利用网络凝聚效应,我们对变量系数和相连样本个体效应的差异性进行联合惩罚,同时采用ADMM算法进行求解,并证明了算法的收敛性.数值模拟和实证分析显示,我们的方法提高了变量选择的准确性并且降低了预测误差.
-
关键词
网络连接数据
网络凝聚效应
组异质性
变量选择
非凸惩罚
-
Keywords
network-linked data
network agglomeration effect
group heterogeneity
variable selection
nonconvex penalty
-
分类号
O157.5
[理学—基础数学]
-