典型文献
含顺序类别自变量的中位数惩罚回归及应用研究
文献摘要：
中位数回归不对误差项分布做过强假设且对异常值不敏感,可以提高回归模型的稳健性.自适应LASSO进行变量选择时对自变量采用有差别的惩罚系数,避免了系数的过度压缩.对于含有顺序类别自变量数据进行回归建模时,考虑到此类自变量中伪分类的存在.构建了一种通过哑变量的线性变换,并结合自适应LASSO惩罚的中位数回归方法.该方法不仅能够进行变量选择得到稳健的估计结果还能进行伪分类的识别与融合.通过2个实际数据验证了该方法的可行性和有效性.
文献关键词：
自适应LASSO;中位数惩罚回归;顺序类别自变量;伪分类
中图分类号：
作者姓名：
吉洋莹;潘雨辰;黄磊
作者机构：
西南交通大学 数学学院,成都 611756
文献出处：
引用格式：
[1]吉洋莹;潘雨辰;黄磊-.含顺序类别自变量的中位数惩罚回归及应用研究)[J].重庆理工大学学报,2022(11):257-265
A类：
顺序类别自变量,中位数惩罚回归,伪分类
B类：
数回,误差项,异常值,不敏,LASSO,变量选择,择时,罚系数,有顺序,回归建模,哑变量,线性变换,实际数据,数据验证
AB值：
0.250323
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
