超高维数据统计模型变量筛选方法

超高维数据广泛出现在生物医学、经济金融、保险精算、可靠性工程等领域。由于高维数据带来的“维数祸根”问题, 传统的变量选择方法无法实现参数估计的精确性和模型预测的稳定性, 本书主要研究了线性模型、分位数回归变系数模型、广义线性模型及非参数模型的变量筛选方法和Gini相关系数的变量筛选方法; 阐述了相关性数字特征变量筛选方法的理论和方法, 讨论了Pearson相关系数、秩相关系数和Gini相关系数的关系, 建立了选择一致性理论。