【摘要】本文提出了一种在可加模型中基于数据的变量选择方法,该方法是通过样条估计来实现的.回归模型的可加性能够很好地克服“维数祸根”的问题,而样条估计可以对可加模型中的每个部件进行很好的逼近.在此基础上,利用每个部件的经验信息量对它们排序,这样重要变量的选择就可以通过一个提前设定的阈值与每个部件的全信息累计比率(CUREST)之间的比较来实现.文章在理论上证明了该方法的一致性.大量的蒙特卡洛研究也证 […]