基于稀疏回归的变量选择研究

主成分分析是一种常用的数据处理技术，仅用极小的数据损失即可降低维数，但每个主成分均为解释变量的线性组合，通常难以解释结果。在传统主成分分析的基础上对原始变量稀疏化并加入稀疏回归，将目标缩小至主要主成分中，并通过模拟仿真，利用敏感性和特异性等指标，分析比较了不同变量选择方法的适用情形和差异。加入稀疏回归的主成分分析不仅保留了传统主成分分析的优点，而且因其稀疏性，能够提高模型的估计精确度。