基于弹性网惩罚的复合分位数回归估计OA
Compound Quantile Regression Model with Elastic Net Penalty
针对高维数据的建模分析问题,提出一种基于弹性网络法和复合分位数回归相结合的稳健估计方法.在该估计方法中,所提出的模型能够有效进行变量选择与系数压缩,并处理数据间的多重共线性与群组效应问题,在大数据时代下具有较广的适应性.同时,与已有的惩罚最小二乘估计和惩罚分位数回归估计相比,该估计方法不仅放宽了对模型误差项的分布要求,而且综合考虑了多个分位点的损失,在面对离群值或呈现尖峰、厚尾分布数据时能够保持更强的稳健性和抗干扰性.在一定条件下,对所构建模型估…查看全部>>
张国浩
重庆工商大学数学与统计学院,重庆 400067
数学
变量选择稳健估计弹性网复合分位数回归
variable selectionrobust estimationelastic netcomposite quantile regression
《重庆工商大学学报（自然科学版）》 2023 (5)
104-112,9
重庆市教委科学技术研究计划重大项目(KJZD-M202100801).
评论