انتخاب متغیر در مدل‌های خطی-جزئی با اثرات آمیخته برای داده‌های طولی با بعد بالا

در این مقاله، مسئله برآورد و انتخاب متغیر همزمان در مدل‌های خطیجزئی با اثرات آمیخته برای داده‌های طولی با بعد بالا در نظر گرفته شده است. مولفه ناپارامتری موجود در مدل با اسپلاین‌های رگرسیونی تقریب زده شده و سپس از طریق بهینه‌سازی تابع هدف مبتنی بر تابع تاوان , برآورد و انتخاب متغیر به طور همزمان انجام می‌شود. در ادامه، رفتار حدی برآوردگرهای حاصل در چارچوب داده‌های طولی با بعد بالا که در آن تعداد پارامترها متناسب با افزایش حجم نمونه افزایش می‌یابد, مورد مطالعه قرار می‌گیرد. به منظور پیاده‌سازی روش برآورد پیشنهادی، یک الگوریتم تکراری مناسب برای انتخاب متغیرهای مهم و برآورد ضرایب غیر صفر ارائه گردیده است. در نهایت، عملکرد روش پیشنهادی با مطالعه شبیه‌سازی و تحلیل یک مجموعه داده واقعی مورد ارزیابی قرار گرفته است.

Variable Selection in Semiparametric Mixed Effect Model for High-Dimension Longitudinal Data

This paper considers the problem of simultaneous variable selection and estimation in a semiparametric mixedeffects model for longitudinal data with normal errors. We approximate the nonparametric function by regression spline and simultaneously estimate and select the variables under the optimization of the penalized objective function. Under some regularity conditions, the asymptotic behaviour of the resulting estimators is established in a highdimensional framework where the number of parametric covariates increases as the sample size increases. For practical implementation, we use an EM algorithm to selects the significant variables and estimates the nonzero coefficient functions. Simulation studies are carried out to assess the performance of our proposed method, and a real data set is analyzed to illustrate the proposed procedure.