LASSO及其拓展方法在回归分析变量筛选中的应用

作     者：奚丽婧 郭昭艳 杨雪珂 平智广 Xi Lijing;Guo Zhaoyan;Yang Xueke;Ping Zhiguang

作者机构：郑州大学公共卫生学院流行病与卫生统计学系郑州450001 

出 版 物：《中华预防医学杂志》 (Chinese Journal of Preventive Medicine)

年 卷 期：2023年第57卷第1期

页      面：107-111页

核心收录：

学科分类：1004[医学-公共卫生与预防医学(可授医学、理学学位)] 100401[医学-流行病与卫生统计学] 10[医学] 

基　　金：河南省高等学校重点科研资助项目(23B330005)。 

主　　题：模型,统计学 LASSO 多重共线性 回归分析 

摘      要：多重共线性是影响回归分析结果的一个重要问题,近年来发展的LASSO方法对于筛选解释性较高的变量、处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项,能将一些不必要变量的回归系数压缩为零进而从模型中剔除,达到变量筛选的目的。本文将重点介绍LASSO这一方法,并与最优子集、岭回归、自适应LASSO与弹性网络的结果进行比较,结果显示LASSO与自适应LASSO在解决自变量多重共线性问题以及增强模型解释性、预测精度方面均有较好的表现。