含发散维数自变量的单指标模型中方向向量的稳健估计

在回归分析中,常常引入大量的自变量来减少模型拟合的误差.本文考虑如下非常一般的单指标模型:在给定自变量X的线性组合β0τX的条件下,响应变量Y和维数发散的自变量X相互独立,其中β0是pn维向量.本文在这样的单指标模型假设下讨论当pn→∞时单指标模型中方向向量的稳健估计问题.我们发现,当pn=o(√n)时,最小二乘估计βn0能够相合地估计β0的方向.为了剔除不相关的自变量,从而提高回归模型的可解释能力,我们提出基于1-正则化的算法,通过加二次限制得到稀疏的最小二乘估计.1-正则化的解βn不仅可以相合地估计β0的方向,而且可以产生稀疏的估计.因此,我们可以选择一些重要的自变量,在保持预测准确度的同时使模型解释变得容易.模拟分析和汽车价格数据应用分析表明,我们所提出的估计方法在有限样本场合具有良好的表现.