期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
线性回归模型中相依数据的多结构变点的估计
被引量:
1
1
作者
李美琪
金百锁
董翠玲
《中国科学:数学》
CSCD
北大核心
2023年第7期1007-1024,共18页
多变点线性模型经常应用于统计学和计量经济学中.本文通过分割数据并建立相依观测数据的高维线性回归模型,将变点检测问题转化为变量选择问题.在变量选择中,应用组正交贪婪算法(group orthogonal greedy algorithm,GOGA)来解决变点数量...
多变点线性模型经常应用于统计学和计量经济学中.本文通过分割数据并建立相依观测数据的高维线性回归模型,将变点检测问题转化为变量选择问题.在变量选择中,应用组正交贪婪算法(group orthogonal greedy algorithm,GOGA)来解决变点数量随观测数量的增加而增加的情形,并结合高维信息准则(high-dimensional information criteria,HDIC)以防止过度拟合.第一阶段采用GOGA+HDIC+Trim对分段数据进行变量选择来降低计算成本,第二阶段应用拟似然比检验来得到更精准的变点位置.在相对温和的条件下,本文证明了变点数量和位置的相合性.模拟结果和实际数据应用证明了该算法的精确性.
展开更多
关键词
多变点
高维回归
变量选择
组正交贪婪算法(
goga
)
高维信息准则(HDIC)
原文传递
题名
线性回归模型中相依数据的多结构变点的估计
被引量:
1
1
作者
李美琪
金百锁
董翠玲
机构
中国科学技术大学管理学院
新疆师范大学数学科学学院
出处
《中国科学:数学》
CSCD
北大核心
2023年第7期1007-1024,共18页
基金
国家自然科学基金(批准号:71873128,72111530199和11801488)
安徽省自然科学基金(批准号:2108085J02)资助项目。
文摘
多变点线性模型经常应用于统计学和计量经济学中.本文通过分割数据并建立相依观测数据的高维线性回归模型,将变点检测问题转化为变量选择问题.在变量选择中,应用组正交贪婪算法(group orthogonal greedy algorithm,GOGA)来解决变点数量随观测数量的增加而增加的情形,并结合高维信息准则(high-dimensional information criteria,HDIC)以防止过度拟合.第一阶段采用GOGA+HDIC+Trim对分段数据进行变量选择来降低计算成本,第二阶段应用拟似然比检验来得到更精准的变点位置.在相对温和的条件下,本文证明了变点数量和位置的相合性.模拟结果和实际数据应用证明了该算法的精确性.
关键词
多变点
高维回归
变量选择
组正交贪婪算法(
goga
)
高维信息准则(HDIC)
Keywords
multiple change-point
high-dimensional regression
variable selection
group
orthogonal
greedy
algorithm
(
goga
)
high-dimensional information criteria(HDIC)
分类号
O212.1 [理学—概率论与数理统计]
原文传递
题名
作者
出处
发文年
被引量
操作
1
线性回归模型中相依数据的多结构变点的估计
李美琪
金百锁
董翠玲
《中国科学:数学》
CSCD
北大核心
2023
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部