项目名称: 高维数据下多因变量回归模型的统计推断

项目编号: No.11401378

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 罗珊

作者单位: 上海交通大学

项目金额: 22万元

中文摘要: 含多个因变量的线性回归模型是统计学中的经典模型之一,其应用广泛存在于各个学科中。目前国内外对高维数据情形下的该模型的研究比较欠缺。本项目研究该模型在自变量和因变量维数都远大于样本量的情形下的统计推断问题。在误差项服从多元正态分布的假设下,我们考虑以下三个问题:一是判断误差项的精度矩阵中各元素是否为零,从而定性地描述因变量之间的条件相关性;二是对误差项的精度矩阵进行参数估计;三是对系数矩阵进行统计推断,还原其稀疏结构,并进行参数估计。

中文关键词: 高维数据;统计推断;分类;稳健性;变量选择

英文摘要: The multi-response regression model is one of the classical models in statistics, it is widely applied in different disciplines. Currently, research on this model under the high-dimensional situation is rare and requires more attention. This project conce

英文关键词: high-dimensional data;statistical inference;classification;robustness;variable selection

成为VIP会员查看完整内容
5

相关内容

【干货书】统计基础、推理与推断,361页pdf
专知会员服务
83+阅读 · 2022年1月25日
专知会员服务
77+阅读 · 2021年10月12日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
144+阅读 · 2021年2月3日
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
2+阅读 · 2022年3月23日
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
数据分析师应该知道的16种回归技术:分位数回归
数萃大数据
29+阅读 · 2018年8月8日
机器学习笔试题精选
人工智能头条
13+阅读 · 2018年7月22日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
8+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关VIP内容
【干货书】统计基础、推理与推断,361页pdf
专知会员服务
83+阅读 · 2022年1月25日
专知会员服务
77+阅读 · 2021年10月12日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
48+阅读 · 2021年8月29日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
144+阅读 · 2021年2月3日
相关资讯
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
2+阅读 · 2022年3月23日
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
数据分析师应该知道的16种回归技术:分位数回归
数萃大数据
29+阅读 · 2018年8月8日
机器学习笔试题精选
人工智能头条
13+阅读 · 2018年7月22日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
8+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员