本文關(guān)鍵詞：Logistic回歸的ArctanLASSO懲罰似然估計(jì)及應(yīng)用　出處：《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2015年06期 　論文類型：期刊論文

  更多相關(guān)文章： Logistic回歸 ArctanLASSO懲罰似然估計(jì) n~(/)相合性 Oracle性質(zhì)

【摘要】：Logistic回歸是計(jì)量經(jīng)濟(jì)學(xué)中應(yīng)用最廣的離散選擇模型。當(dāng)變量個(gè)數(shù)較多時(shí),極大似然估計(jì)解釋性較差,為此本文基于新的懲罰函數(shù)ArctanLASSO,給出Logistic回歸的一種非凸懲罰似然估計(jì)進(jìn)行參數(shù)估計(jì)和變量選取,并證明了估計(jì)量的n~(1/2)相合性和Oracle性質(zhì)。本文結(jié)合二階近似處理、LLA方法和梯度下降法給出估計(jì)算法,并通過最小化BIC準(zhǔn)則對正則化參數(shù)進(jìn)行選取。模擬數(shù)據(jù)分析顯示,當(dāng)樣本量較大時(shí),該方法在參數(shù)估計(jì)和變量選取兩個(gè)方面都優(yōu)于傳統(tǒng)的LASSO、SCAD和MCP方法,樣本量較小時(shí),該方法同樣具有很大優(yōu)勢。實(shí)際數(shù)據(jù)分析表明,該方法很好地權(quán)衡了擬合程度和非零系數(shù)的選擇,是最優(yōu)的備選模型,具有重要的實(shí)際意義。
[Abstract]:Logistic regression is the most widely used discrete choice model in econometrics. When the number of variables is large, the maximum likelihood estimation is explained in this paper, the penalty function based on the new ArctanLASSO, given Logistic regression is a nonconvex penalized likelihood estimation for parameter estimation and variable selection, and it is proved that the estimation of n~ (1/2) the consistency and the Oracle property. This paper combines the two order approximation LLA method and gradient descent method gives the estimation algorithm, and by minimizing the BIC criterion of regularization parameters were selected. The simulation data analysis shows that when the sample size is large, the method selects two aspects are better than the traditional parameter estimation and variable LASSO. The SCAD and MCP method, the sample size is small, this method also has a lot of advantages. The actual data show that this method is a good tradeoff between the fitting degree and non zero coefficient choice is optimal The alternative model is of great practical significance.

【作者單位】： 對外經(jīng)濟(jì)貿(mào)易大學(xué)統(tǒng)計(jì)學(xué)院;輔仁大學(xué)統(tǒng)計(jì)資訊學(xué)系;
【基金】：對外經(jīng)濟(jì)貿(mào)易大學(xué)中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助(14QD18)
【分類號】：F224
【正文快照】： 引言Logistic回歸是計(jì)量經(jīng)濟(jì)學(xué)中最早的離散選擇模型,適用于兩類別或者多類別問題。該方法假定類別之間的分割面是線性的,通過Logistic函數(shù)用多個(gè)解釋變量的線性組合來預(yù)測響應(yīng)變量出現(xiàn)的概率。由于計(jì)算簡便,易于表達(dá)等優(yōu)點(diǎn)’該方法被廣泛應(yīng)用于經(jīng)濟(jì)學(xué)、心理學(xué)、社會(huì)學(xué)、生物

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉曉寧;;基于Lasso特征選擇的方法比較[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2014年01期

2 康凱;王粒賓;鐘子發(fā);;交替方向塊稀疏信號快速重構(gòu)算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

3 宣士斌;;帶權(quán)稀疏PCA算法及其應(yīng)用[J];重慶大學(xué)學(xué)報(bào);2014年04期

4 Hai ZHANG;Zong Ben XU;Yao WANG;Xiang Yu CHANG;Yong LIANG;;A Sharp Nonasymptotic Bound and Phase Diagram of L1/2 Regularization[J];Acta Mathematica Sinica(English Series);2014年07期

5 張吐輝;張海;;基于L_p正則化的自適應(yīng)稀疏group lasso研究[J];純粹數(shù)學(xué)與應(yīng)用數(shù)學(xué);2014年02期

6 張凌潔;張海;;多圖模型的聯(lián)合估計(jì)的群橋方法[J];高校應(yīng)用數(shù)學(xué)學(xué)報(bào)A輯;2014年02期

7 Wei ZHONG;;Robust Sure Independence Screening for Ultrahigh Dimensional Non-normal Data[J];Acta Mathematica Sinica(English Series);2014年11期

8 李強(qiáng);王黎明;;基于LASSO方法的結(jié)構(gòu)突變理論研究綜述[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

9 崔文玲;潘靜;何改云;龐彥偉;;基于類心和特征加權(quán)的特征選擇算法[J];電子測量技術(shù);2015年03期

10 劉建偉;崔立鵬;羅雄麟;;組稀疏模型及其算法綜述[J];電子學(xué)報(bào);2015年04期

相關(guān)會(huì)議論文 前1條

1 Wang Changyue;Yao Yan;Liu Huijun;Wang Jingjun;;Rapid Compositional Analysis of Sawdust using Sparse Method and Near Infrared Spectroscopy[A];第26屆中國控制與決策會(huì)議論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問題研究[D];大連理工大學(xué);2012年

2 趙為華;變系數(shù)模型變量選擇的穩(wěn)健方法[D];華東師范大學(xué);2013年

3 王法松;盲源分離的擴(kuò)展模型與算法研究[D];西安電子科技大學(xué);2013年

4 盧一鳴;基于統(tǒng)計(jì)建模方法研究真核生物基因表達(dá)調(diào)控系統(tǒng)[D];中國人民解放軍軍事醫(yī)學(xué)科學(xué)院;2013年

5 張濤;基于函數(shù)型數(shù)據(jù)的模型探測與估計(jì)理論[D];云南大學(xué);2013年

6 鄒健;分塊稀疏表示的理論及算法研究[D];華南理工大學(xué);2012年

7 張靜思;高維特征篩選和時(shí)間序列下的模型選擇[D];山東大學(xué);2013年

8 劉樂茂;統(tǒng)計(jì)機(jī)器翻譯判別式訓(xùn)練方法研究[D];哈爾濱工業(yè)大學(xué);2013年

9 吳磊;(?)_p正則化問題的算法研究[D];湖南大學(xué);2013年

10 劉波;組稀疏子空間的大間隔特征選擇[D];重慶大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 續(xù)宗敏;商業(yè)銀行中小企業(yè)信用評分中的變量選擇問題[D];山東大學(xué);2013年

2 朱曉玲;生長曲線模型的懲罰最小二乘估計(jì)和變量選擇[D];華東師范大學(xué);2013年

3 丁毅濤;稀疏Group Lasso高維統(tǒng)計(jì)分析[D];西北大學(xué);2013年

4 胡俊英;基于切比雪夫損失的變量選擇方法[D];西北大學(xué);2013年

5 黃莉莉;多標(biāo)簽學(xué)習(xí)中特征選擇和分類問題的研究[D];安徽大學(xué);2013年

6 楊Xh鵬;基于子空間聚類的圖像分割方法研究[D];西安電子科技大學(xué);2013年

7 徐雯暉;基于稀疏性的高光譜遙感影像降維方法研究[D];西安電子科技大學(xué);2013年

8 崔春燕;組特征選擇算法及其應(yīng)用研究[D];南京師范大學(xué);2013年

9 賈元喬;基于lasso的兩級變量選擇方法[D];浙江大學(xué);2013年

10 劉琳;幾類回歸模型中的變量選擇方法[D];廣西大學(xué);2013年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣曉萌;;基于Logistic回歸原理的個(gè)人綜合消費(fèi)貸款信用風(fēng)險(xiǎn)計(jì)量模型研究[J];黑龍江金融;2012年05期

2 王秀梅;;基于Logistic回歸方法構(gòu)建土地利用空間格局模擬模型[J];包頭職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年03期

3 吳英;;基于Logistic回歸的上市公司財(cái)務(wù)預(yù)警模型構(gòu)建[J];常州工學(xué)院學(xué)報(bào);2011年06期

4 張艷莉;;基于Logistic回歸算法的企業(yè)顧客抱怨管理機(jī)制的構(gòu)建[J];科技通報(bào);2014年05期

5 汪健兵,陳秀娟;利用Logistic回歸研究客戶購買保險(xiǎn)偏好[J];上海保險(xiǎn);2002年12期

6 張初兵;高康;楊貴軍;;判別分析與Logistic回歸的模擬比較[J];統(tǒng)計(jì)與信息論壇;2010年01期

7 陳文雅;;基于Logistic回歸的投資組合配置分析[J];中國物價(jià);2011年02期

8 金花妍;劉永澤;;基于舞弊三角理論的財(cái)務(wù)舞弊識(shí)別模型研究——支持向量機(jī)與Logistic回歸的耦合實(shí)證分析[J];大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年01期

9 高祥春;王在翔;呂軍城;李望晨;;基于累積比數(shù)logistic回歸的新農(nóng)合滿意度影響因素分析[J];安徽農(nóng)業(yè)科學(xué);2012年01期

10 尹劍;陸程敏;楊貴軍;;判別分析與Logistic回歸組合分類[J];數(shù)理統(tǒng)計(jì)與管理;2014年02期

相關(guān)會(huì)議論文 前4條

1 李萬慶;閔捷;田野;蔣文翰;;隨機(jī)效應(yīng)logistic回歸在非獨(dú)立數(shù)據(jù)判別分析中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

2 于長春;曾昭成;金鑫玲;宋明媚;孫志偉;卜翠萍;王靜;姜舒亞;施科;;Logistic回歸與ROC曲線在巨細(xì)胞病毒性肺炎臨床篩查中的應(yīng)用[A];2012年江浙滬兒科學(xué)術(shù)年會(huì)暨浙江省醫(yī)學(xué)會(huì)兒科學(xué)分會(huì)學(xué)術(shù)年會(huì)、兒內(nèi)科疾病診治新進(jìn)展國家級學(xué)習(xí)班論文匯編[C];2012年

3 鐘曉妮;周燕榮;王潤華;田考聰;賈慶良;汪洋;李勤;孫安龍;;主成分Logistic回歸在篩選乳腺癌監(jiān)測因素中的應(yīng)用[A];2000全國腫瘤學(xué)術(shù)大會(huì)論文集[C];2000年

4 夏慶梅;高巖;楊帆;步懷恩;王弘午;;天津市大學(xué)生痤瘡發(fā)病因素相關(guān)性及心理因素調(diào)查與分析[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)美容分會(huì)學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)碩士學(xué)位論文 前7條

1 徐剛;決策樹與Logistic回歸結(jié)合在新型農(nóng)村合作醫(yī)療制度實(shí)施效果研究中的應(yīng)用[D];南昌大學(xué);2007年

2 周菲;Logistic回歸多重共線性的診斷與改進(jìn)及其在醫(yī)學(xué)中的應(yīng)用[D];蘭州大學(xué);2011年

3 駱常好;懲罰logistic回歸與多因子降維法交互作用分析及其應(yīng)用[D];山西醫(yī)科大學(xué);2009年

4 孫曉煒;彩色多普勒超聲結(jié)合多變量Logistic回歸法對附件區(qū)惡性腫瘤的臨床預(yù)測價(jià)值[D];吉林大學(xué);2004年

5 鄒菊;Logistic回歸在乳腺癌綜合分析診斷中的應(yīng)用[D];南華大學(xué);2012年

6 王旭初;Logistic回歸和對數(shù)線性模型在高血壓現(xiàn)況研究中的應(yīng)用[D];浙江大學(xué);2008年

7 郭維恒;腦卒中類型與復(fù)發(fā)的Logistic回歸預(yù)測及SMOTE算法處理非平衡臨床數(shù)據(jù)[D];河北醫(yī)科大學(xué);2014年

，

本文編號：1409338