| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 国内外的研究现状 | 第11-16页 |
| 1.2.1 关于变量选择方法的理论研究 | 第11-14页 |
| 1.2.2 基于惩罚函数的变量选择改进方法的研究 | 第14-16页 |
| 1.3 论文结构安排 | 第16-18页 |
| 2 基于网络结构的惩罚函数变量选择 | 第18-27页 |
| 2.1 研究现状 | 第18-19页 |
| 2.2 基础理论 | 第19-22页 |
| 2.2.1 Logistic回归模型 | 第19-20页 |
| 2.2.2 基于Logistic回归的惩罚函数模型 | 第20页 |
| 2.2.3 基于Logistic回归的网络结构惩罚函数模型 | 第20-21页 |
| 2.2.4 罚参数的选择 | 第21-22页 |
| 2.3 模拟研究 | 第22-25页 |
| 2.3.1 模拟数据 | 第22-23页 |
| 2.3.2 模拟结果分析 | 第23-24页 |
| 2.3.3 小结 | 第24-25页 |
| 2.4 实例分析 | 第25-27页 |
| 2.4.1 两类方法的比较研究 | 第25-26页 |
| 2.4.2 讨论 | 第26-27页 |
| 3 基于协方差估计的多因变量回归的变量选择 | 第27-39页 |
| 3.1 研究现状 | 第27-28页 |
| 3.2 理论研究 | 第28-31页 |
| 3.2.1 多因变量回归模型 | 第28-29页 |
| 3.2.2 基于协方差估计的惩罚函数的多因变量回归模型 | 第29-31页 |
| 3.2.3 调整参数的选择 | 第31页 |
| 3.3 数据的来源与处理 | 第31页 |
| 3.4 模拟研究 | 第31-34页 |
| 3.4.1 模拟设置 | 第31-32页 |
| 3.4.2 评价标准 | 第32-33页 |
| 3.4.3 模拟结果分析 | 第33-34页 |
| 3.5 实例分析 | 第34-38页 |
| 3.5.1 基于稀疏偏最小二乘法的多因变量回归模型 | 第35-37页 |
| 3.5.2 基于协方差估计的多因变量回归模型 | 第37页 |
| 3.5.3 两种方法的比较 | 第37-38页 |
| 3.6 讨论 | 第38-39页 |
| 4 基于高维数据的多因变量回归的变量选择 | 第39-53页 |
| 4.1 研究现状 | 第39-41页 |
| 4.2 基于高维多因变量回归模型原理和方法 | 第41-44页 |
| 4.2.1 分组降维 | 第41-43页 |
| 4.2.2 分组进行协方差估计的多因变量回归 | 第43页 |
| 4.2.3 各组模型权重计算及组合 | 第43-44页 |
| 4.3 数据来源 | 第44-45页 |
| 4.4 模拟研究 | 第45-48页 |
| 4.4.1 模拟设置 | 第45-46页 |
| 4.4.2 模拟结果分析 | 第46-48页 |
| 4.5 实例分析 | 第48-52页 |
| 4.5.1 基于稀疏偏最小二乘法的多因变量回归模型 | 第48-49页 |
| 4.5.2 基于高维数据的多因变量回归模型 | 第49-51页 |
| 4.5.3 两种方法的比较 | 第51-52页 |
| 4.6 讨论 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 有待进一步研究的设想 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读学位期间的学术论文与研究成果 | 第61-62页 |
| 致谢 | 第62页 |
