论文研究 WFEN的贝叶斯估计及在高维预测模型中的应用.pdf

针对传统收缩估计中难以进行统计推断以及无法同时确定惩罚因子问题，在权融合弹性网回归（WFEN）的基础上，给出其Gibbs层次抽样模型并构造相应的贝叶斯估计量（Bayesian WFEN，BWFEN）。该算法根据Expectation-Maximization方法同时确定估计中的两个惩罚因子，并基于回归系数的经验后验分布计算估计量标准误差和进行变量选择。 模拟实验表明，BWFEN的迭代过程具有良好的收敛性，在面对稀疏预测模型或者模型中的预测变量存在群组效应时具有较低的相对预测误差和较高的变量选择精度。在博客回复数预测模型的实际应用中，BWFEN也显著优于其他收缩估计方法。