| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景 | 第10页 |
| ·变量选择方法 | 第10-11页 |
| ·最优子集变量选择 | 第10-11页 |
| ·压缩惩罚变量选择 | 第11页 |
| ·研究现状 | 第11-14页 |
| ·参数模型 | 第12页 |
| ·半参数模型 | 第12-13页 |
| ·稳健估计 | 第13页 |
| ·不完全数据情形 | 第13-14页 |
| ·计算算法和调整参数选择问题 | 第14-15页 |
| ·算法 | 第14页 |
| ·调整参数的选取 | 第14-15页 |
| ·本文创新点概要 | 第15页 |
| ·本文研究内容 | 第15-18页 |
| 2 参数个数发散时广义线性模型的桥估计 | 第18-36页 |
| ·引言 | 第18-19页 |
| ·桥估计及相关记号 | 第19页 |
| ·假设及渐近性质 | 第19-30页 |
| ·算法和调整参数的选择 | 第30-31页 |
| ·桥估计的计算 | 第30页 |
| ·惩罚参数的选择 | 第30-31页 |
| ·数据模拟 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 3 高维线性模型中基于最小一乘的变量选择 | 第36-54页 |
| ·引言 | 第36-37页 |
| ·LAD-SCAD估计 | 第37页 |
| ·LAD-SCAD估计的渐近性质 | 第37-47页 |
| ·超高维情况 | 第47页 |
| ·计算 | 第47-48页 |
| ·数据模拟 | 第48-51页 |
| ·模拟研究 | 第48-50页 |
| ·波士顿房价数据分析 | 第50-51页 |
| ·本章小结 | 第51-54页 |
| 4 参数个数发散时最小二乘近似的变量选择 | 第54-68页 |
| ·引言 | 第54-55页 |
| ·SCAD惩罚下的最小二乘近似 | 第55页 |
| ·模型及相关记号 | 第55页 |
| ·惩罚估计 | 第55页 |
| ·渐近性质 | 第55-62页 |
| ·算法和调整参数的选取 | 第62-63页 |
| ·数据模拟及实例分析 | 第63-65页 |
| ·本章小结 | 第65-68页 |
| 5 高维部分线性模型的桥估计 | 第68-90页 |
| ·引言 | 第68页 |
| ·部分线性模型中的桥估计 | 第68-70页 |
| ·渐近结果 | 第70-84页 |
| ·模拟研究 | 第84-87页 |
| ·桥估计的计算和调整参数的估计 | 第84页 |
| ·数据模拟 | 第84-87页 |
| ·本章小结 | 第87-90页 |
| 6 高维Ⅰ型区间删失数据下连续广义线性模型的变量选择 | 第90-108页 |
| ·引言 | 第90页 |
| ·模型及惩罚似然 | 第90-91页 |
| ·惩罚似然估计的渐近性质 | 第91-101页 |
| ·数据模拟 | 第101-104页 |
| ·计算算法及调整参数的选择 | 第101-102页 |
| ·模拟研究 | 第102-103页 |
| ·原发性胆汁肝硬化数据分析 | 第103-104页 |
| ·本章小结 | 第104-108页 |
| 结论与展望 | 第108-110页 |
| 参考文献 | 第110-118页 |
| 符号表 | 第118-120页 |
| 创新点摘要 | 第120-122页 |
| 攻读博士学位期间发表学术论文情况 | 第122-124页 |
| 致谢 | 第124-126页 |
| 作者简介 | 第126-128页 |