作者：赖秋楠; 李玉杰; 李高荣部分线性模型profile贪婪向前回归超高维数据筛选相合性变量筛选
摘要：本文考虑超高维部分线性模型，其中线性部分的维数p大于样本量n,且维数p随着样本量n呈指数阶增长.首先，利用半参数回归的profile方法，把超高维部分线性模型转化成超高维线性模型.其次，为了对高维线性分量进行有效的变量筛选，考虑到协变量之间的相关性，结合贪婪算法和向前回归变量筛选方法，针对部分线性模型，提出了profile贪婪向前回归（PGFR)变量筛选方法.在一定正则条件下，证明了所提PGFR方法具有筛选相合性.为了确定所选模型是否能够依概率趋于1包含真实模型，进一步提出了BIC准则.最后，通过模拟研宄和实例分析验证了PGFR方法在有限样本下的完成情况.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
