《表3 SLOPE方法得到的回归系数估计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《次序L_1惩罚估计在高维数据分析中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2可知，LASSO方法筛选出19个显著变量，SLOPE方法筛选出46个显著变量，通过这2种方法选择出来的相同变量有15个。结合主成分分析结果，选取19个变量最多只能包含原始变量65%左右的信息，选取46个变量可以保留原始变量95%以上的信息。因此，可以推出相较于LASSO方法过度压缩数据，SLOPE方法可以更好地适应未知数据的稀疏性，有较高的预测准确性。控制q=0.1时，SLOPE方法得到的回归系数估计结果如表3所示，其中对于相对更为显著的变量加上更大的回归系数。