基于估计稳定性的变系数模型选择

变系数模型是一类非常重要的非参数回归模型,由于它考虑了指标变量与协变量之间的交互效应,与常规的线性模型相比具有更强的适应性和解释能力。变系数模型的变量选择方法有很多,目前应用较多的是CV、BIC、AIC等。这些方法不同程度地出现了模型选择不稳定的问题,而这一问题在高维数据分析中更加明显。文章将基于估计稳定性的ESCV方法作为一种选参准则应用到变系数模型选择中,以期提高变系数模型的稳定性。选用模型预测均方误差、模型大小以及显著性变量个数及其百分比来度量模型的稳定性。在变系数模型KLASSO估计下,比较ESCV选参准则与传统的BIC准则在这四个指标上的表现。模拟实验和实际数据分析都验证了新方法的优越性。