ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

Shrinkage estimation and selection for multiple functional regression

หน่วยงาน Nanyang Technological University, Singapore

รายละเอียด

ชื่อเรื่อง : Shrinkage estimation and selection for multiple functional regression
นักวิจัย : Lian, Heng
คำค้น : DRNTU::Science::Physics
หน่วยงาน : Nanyang Technological University, Singapore
ผู้ร่วมงาน : -
ปีพิมพ์ : 2556
อ้างอิง : Lian, H. (2013). Shrinkage estimation and selection for multiple functional regression. Statistica sinica, 23, 51-74. , 1017-0405 , http://hdl.handle.net/10220/24034 , http://dx.doi.org/10.5705/ss.2011.160
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : Statistica sinica
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

Functional linear regression is a useful extension of simple linear regression and has been investigated by many researchers. However, the functional variable selection problem when multiple functional observations exist, which is the counterpart in the functional context of multiple linear regression, is seldom studied. Here we propose a method using a group smoothly clipped absolute deviation penalty (gSCAD) which can perform regression estimation and variable selection simultaneously. We show the method can identify the true model consistently, and discuss construction of pointwise confidence intervals for the estimated functional coefficients. Our methodology and theory is verified by simulation studies as well as some applications to data.

บรรณานุกรม :
Lian, Heng . (2556). Shrinkage estimation and selection for multiple functional regression.
    กรุงเทพมหานคร : Nanyang Technological University, Singapore.
Lian, Heng . 2556. "Shrinkage estimation and selection for multiple functional regression".
    กรุงเทพมหานคร : Nanyang Technological University, Singapore.
Lian, Heng . "Shrinkage estimation and selection for multiple functional regression."
    กรุงเทพมหานคร : Nanyang Technological University, Singapore, 2556. Print.
Lian, Heng . Shrinkage estimation and selection for multiple functional regression. กรุงเทพมหานคร : Nanyang Technological University, Singapore; 2556.