Alta dimensional consistencia de los métodos KOO para la selección de variables en modelos de regresión lineal multivariante con estructuras de covarianza
Autores: Fujikoshi, Yasunori; Sakurai, Tetsuro
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Alta dimensional consistencia de los métodos KOO para la selección de variables en modelos de regresión lineal multivariante con estructuras de covarianza
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Variables de respuesta
Regresión lineal multivariada
Estructuras de covarianza
Consistencia en la selección del modelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
En este documento, consideramos las consistencias de alta dimensionalidad de los métodos KOO para seleccionar variables de respuesta en regresión lineal multivariada con estructuras de covarianza. Aquí, las estructuras de covarianza se consideran como (1) estructura de covarianza independiente con la misma varianza, (2) estructura de covarianza independiente con diferentes varianzas y (3) estructura de covarianza uniforme. Se obtiene una condición suficiente para la consistencia de la selección del modelo utilizando un método KOO bajo un marco asintótico de alta dimensionalidad, de modo que el tamaño de la muestra, el número de variables de respuesta y el número de variables explicativas sean grandes, como en y , donde .
Descripción
En este documento, consideramos las consistencias de alta dimensionalidad de los métodos KOO para seleccionar variables de respuesta en regresión lineal multivariada con estructuras de covarianza. Aquí, las estructuras de covarianza se consideran como (1) estructura de covarianza independiente con la misma varianza, (2) estructura de covarianza independiente con diferentes varianzas y (3) estructura de covarianza uniforme. Se obtiene una condición suficiente para la consistencia de la selección del modelo utilizando un método KOO bajo un marco asintótico de alta dimensionalidad, de modo que el tamaño de la muestra, el número de variables de respuesta y el número de variables explicativas sean grandes, como en y , donde .