確実な独立スクリーニングによる関数回帰モデル

コンピュータ技術の急速な進歩により、観測値が曲線と見なされる関数データのような高次元で大規模かつ複雑なデータが、バイオメディスン、ケモメトリクス、工学、社会科学などのさまざまな分野の多くの応用から出現しています。そのため、変数選択は近年の統計研究において最も重要な問題の1つとなっています。関数データは本質的に無限次元であるため、複数の関数回帰モデルにおける変数選択の問題は、そのために挑戦的で困難です。本研究では、スカラー応答と関数予測子を持つ複数の関数回帰モデルに対して確実な独立スクリーニング（SIS）法を拡張します。我々は、重要な関数予測子を保持しながら重要でない関数予測子をスクリーニングし、次元を効率的に減少させるSISベースの手続きが複数の関数回帰モデルにおいて機能することを示します。私たちの方法論は、シミュレーション研究およびデータへのいくつかの応用によって検証されています。