首页> Biometrics> Variable selection for binary spatial regression: Penalized quasi-likelihood approach.

Variable selection for binary spatial regression: Penalized quasi-likelihood approach.

导出 LinkOut

翻译打印收藏纠错

第一作者： Wenning,Feng

第一单位： American Express, New York, U.S.A.

作者： Wenning,Feng ^[1] ; Abdhi,Sarkar ^[2] ; Chae Young,Lim ^[3] ; Tapabrata,Maiti ^[2]

作者单位： American Express, New York, U.S.A. ^[1] Michigan State University, East Lansing, Michigan 48824, U.S.A. ^[2] Seoul National University, Seoul, Korea. ^[3]

关键词 Binary response Increasing domain asymptotics LASSO MM algorithm Penalized quasi-likelihood SCAD Spatial regression Variable selection

医学主题词算法(Algorithms);生物测量学(Biometry);计算机模拟(Computer Simulation);火(Fires);似然函数(Likelihood Functions);密执安(Michigan);模型, 统计学(Models, Statistical)

DOI 10.1111/biom.12525

PMID 27061299

发布时间 2018-02-26

翻译满意度评价：

准确一般字义偏差语意偏离译文作用小提交

浏览16

Biometrics

2016年72卷4期

1164-1172页

相似文献

中文期刊
外文期刊
学位论文
会议论文

浏览16

Biometrics

2016年72卷4期

1164-1172页

检索历史清除

Variable selection for binary spatial regression: Penalized quasi-likelihood approach.

Biometrics

相似文献

同项目论文

Biometrics

相关期刊

参考文献：
指定格式：	NoteExpress EndNote RefWorks NoteFirst

检索历史 清除

Variable selection for binary spatial regression: Penalized quasi-likelihood approach.

Biometrics

相似文献

同项目论文

Biometrics

相关期刊

检索历史清除