广义线性模型中基于拟似然的变量选择方法

摘要

变量选择是建立广义线性模型的基础.为了选择变量,本文提出了一种惩罚拟似然方法.这种方法不需要知道数据的分布,而只要求知道数据的一二阶矩.在统计推断过程中,此方法同时进行变量选择和参数估计,得到估计具有Oracle性质,并是渐近有效的.同时,本文定义了一种后验拟似然,于是,选择变量的过程就是一个比较拟后验密度的过程.特别的,对于线性模型,比较拟后验密度就等价于比较惩罚残差平方和.