带有自相关结构误差的多元函数型回归模型的变量选择

多元函数型回归模型是经典多元线性模型的有益扩展.本文研究带有自相关结构误差的多元函数型回归模型的变量选择.我们基于Group SCAD(smoothly clipped absolute deviation)惩罚研究了模型中函数型协变量的变量选择和误差项的自相关阶数的确定问题.此外,我们在一定的正则性条件下证明了估计量的选择相合性和渐近正态性,并通过数值模拟说明提出方法在有限样本下具有良好性质.

自适应的Dantzig选择器的渐近性质研究

本文首先研究当变量个数p较大、甚至关于样本n指数速度增长时,高维稀疏线性回归模型下适应的Dantzig选择器估计量的渐近性问题.作为适应的Dantzig选择器的权重,当回归系数的初始估计取为某常数的相合估计时,在一些常规条件下,本文证明了适应的Dantzig选择器具有Oracle性质.对于p≤n和p>n两种情形,本文也分别给出了易于实现的初始估计量.最后通过模拟验证了前面的理论结果.