组合惩罚似然估计下发散参数变量选择

来源：大连理工大学学报杂志2015年第4期北京时间：

作者：董莹,宋立新,华志强

摘要：在Wang等给出的组合惩罚函数的基础之上，将SCAD惩罚部分推广到一般的非凸惩罚的形式，利用岭回归在解释变量相关度较高情形下的良好表现，提出一种推广了的组合惩罚．在参数个数发散的情形之下，利用贝叶斯信息准则(BIC)来选择调整参数，能同时完成变量选择和参数估计．而且还可以证明在合适的条件之下，这种估计具有Oracle性质．模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势．

关键词：组合惩罚贝叶斯信息准则(BIC)变量选择惩罚极大似然估计

基金资助：国家自然科学基金青年基金资助项目(11101062)；国家自然科学基金资助项目(1137107761175041)；中央高校基本科研业务费专项资金资助项目(DUT12LK29)；大连民族学院自主科研基金资助项目(DC120101115).