来源：期刊VIP网 时间：
作者：靳琴琴;彭伟;廖天自;孙宝;
单位：太原科技大学应用科学学院;
摘要：随机限制最小绝对收缩和选择算子（M-Lasso）方法可以在变量选择的同时使用随机的先验信息，但是该方法基于的最小绝对收缩和选择算子（Lasso）对每一个系数的惩罚是等权重的，这可能会导致某些重要的信息被过度压缩。为此，本文提出随机限制自适应Lasso(Ma-Lasso)方法。该方法赋予系数不同的权重，并且在变量选择的同时使用了随机先验信息，可提高估计的精度。通过数值实验结果分析发现，该方法在稀疏模型上表现出比其他方法更小的均方误差，并且在发现率、真实发现率以及真实模型选择次数比例方面也具有一定的优势。最后，通过将该方法应用于贵州茅台各季度财报数据和股票价格数据中，发现Ma-Lasso所构建的模型的贝叶斯信息准则（Bayesian Information Criterion,BIC）值相较于M-Lasso方法下降了约5%，进一步验证了它的优越性。
关键词：稀疏模型;;变量选择;;均方误差;;随机先验信息
基金资助：山西省高校科技创新项目(2021L324);; 山西省基础研究计划青年科学研究项目(202103021223282);; 太原科技大学博士科研启动基金(20212014)
