广义线性模型下ERIC方法的调节参数选择
| 摘要 | 第4-5页 |
| abstract | 第5-7页 |
| 1 引言 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 文献评述 | 第16-17页 |
| 1.3 文章的结构和框架 | 第17-19页 |
| 1.4 本文的创新之处 | 第19-20页 |
| 2 广义线性模型及变量选择 | 第20-31页 |
| 2.1 广义线性模型的基本概念及理论 | 第20-23页 |
| 2.1.1 Logistic回归模型 | 第22-23页 |
| 2.1.2 Poisson回归模型 | 第23页 |
| 2.2 SCAD惩罚似然函数 | 第23-26页 |
| 2.2.1 理论基础 | 第23-25页 |
| 2.2.2 Oracle估计量及性质 | 第25-26页 |
| 2.3 调节参数选择方法 | 第26-31页 |
| 2.3.1 交叉验证(CV准则) | 第26-27页 |
| 2.3.2 赤池信息准则(AIC准则) | 第27-28页 |
| 2.3.3 贝叶斯信息准则(BIC准则) | 第28页 |
| 2.3.4 ERIC信息准则 | 第28-31页 |
| 3 参数估计及ERIC准则基本性质 | 第31-39页 |
| 3.1 参数估计 | 第31-32页 |
| 3.2 渐近性质 | 第32-39页 |
| 4 Monte Carlo模拟研究 | 第39-45页 |
| 4.1 Logistic回归 | 第40-42页 |
| 4.2 Poisson回归 | 第42-45页 |
| 5 实证分析 | 第45-50页 |
| 5.1 数据描述 | 第45-46页 |
| 5.2 数据处理 | 第46页 |
| 5.3 ERIC信息准则的调节参数选择 | 第46-50页 |
| 6 结论与展望 | 第50-52页 |
| 6.1 结论 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
