论文研究 - 线性回归模型中通过有偏估计的变量选择 - 源码 - 源码 - 免费下载

论文研究 - 线性回归模型中通过有偏估计的变量选择

文件大小： 3748k

源码售价： 10 个金币积分规则积分充值

资源说明：最小绝对收缩和选择算子（LASSO）用于变量选择以及线性回归模型中同时处理多重共线性问题。如果预测变量的数量大于观测值的数量，并且预测变量之间存在较高的多重共线性，则LASSO会产生具有高方差的估计。为了解决这个问题，通过结合LASSO和Ridge估计器（RE）引入了Elastic Net（ENet）估计器。分别使用最小角度回归（LARS）和LARS-EN算法获得了LASSO和ENet的解决方案。在本文中，我们提出了一种替代算法来克服LASSO中的问题，可以将LASSO与其他现有的有偏估计量相结合，即几乎无偏岭估计量（AURE），Liu估计量（LE），几乎无偏刘氏估计量（AULE），主成分回归估计器（PCRE），rk类估计器和rd类估计器。此外，我们使用蒙特卡洛模拟研究和实际示例检验了所提出算法的性能。结果表明，在适度且严格的多重共线性下，将LASSO与rk类估计器和rd类估计器结合使用的LARS-rk和LARS-rd算法优于其他算法。

部分文件列表（点击文件名可查看文件内容）

					
									本源码包内暂不包含可直接显示的源代码文件，请下载源码包。