文献类型：期刊文章

作　　者：曹桃云[1] 陈敏琼[2]

CAO Tao-yun;CHEN Min-qiong(School of Statistics and Mathematics,Guangdong University of Finance and Economics,Guangzhou 510320,China;School of Economics and Trade,Xinhua College of Sun Yat-Sen University(Dongguan),Guangzhou 510520,China)

机构地区：[1]广东财经大学统计与数学学院,广东广州510320 [2]中山大学新华学院经济与贸易学院,广东广州510520

出　　处：《统计与信息论坛》

基　　金：广东省自然科学基金面上项目“机器学习方法在纵向数据分析中的稳健性研究”(2020A1515011580);广东财经大学校级学位与研究生教育改革研究项目“科教融合视角下研究生培养模式探索与实践”(2021YB08)。

年　　份：2021

卷　　号：36

期　　号：8

起止页码：15-22

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：变量选择一直是统计分析与推断中的重要研究内容。针对该研究内容,提出一种基于随机森林的变量选择新方法。以随机森林中的最小深度重要性度量和置换重要性度量为基础,对得到的变量最小深度重要性得分和置换重要性得分,引入学生化极差分布进行变量重要性得分差异是否显著的检验。根据检验的结果将变量分组,对分组变量采用逐步回归方法挑选。运用新方法在模拟设计的线性模型、二次函数模型和复杂模型上,都能够选出真正变量,验证了新方法的有效性和可行性。经典的波士顿房价数据上的运用分析给出了新方法的实用性。

关 键 词：学生化极差分布  随机森林  变量选择  最小深度重要性  置换重要性  

分 类 号：O212]