(A) two-step approach for variable selection in linear regression with measurement error

다국어 초록 (Multilingual Abstract)

In high dimensional data analysis, it is often of a primary interest to identify informative variables. However, when covariates are contaminated by measurement error, it becomes a challenging task due to the bias induced by the measurement error. In this article, we present a two-step approach for variable selection in the presence of measurement error. In the first step, we directly select important variables from the contaminated covariates as if there is no measurement error. We then apply, in the following step, orthogonal regression to obtain the unbiased estimates of regression coefficients identified in the previous step. In addition, we propose a modification of the two-step approach to further enhance variable selection performance. Various simulation studies demonstrate the promising performance of the proposed method.

국문 초록 (Abstract)

고차원 데이터 분석에서 정보 변수를 식별하는 것은 매우 주요하게 다뤄지고 있다. 하지만 공변량이 측정오차와 함께 관측된 경우, 측정오차로 인해 발생하는 편의때문에 변수 선별이 어려워진다. 본 논문은 측정오차가 있는 선형모형에서 사용할 수 있는 2단계 변수 선별 방법을 제시하였다. 첫 번째 단계에서는 측정오차로 오염된 공변량을 가지고 주요 변수를 선택하고, 두 번째 단계에서는 선택된 변수들을 가지고 직교 회귀 계수를 구한다. 또한 본 논문은 변수 선별 알고리즘의 성능을 개선하고자 수정된 2단계 변수 선별 방법을 제시하였다. 다 양한 상황의 모의 실험을 통해 제안한 방법의 적용 가능성을 확인하였다.

목차 (Table of Contents)

• 1 Introduction
• 2 Orthogonal Regression
• 3 Two-step Procedure
• 4 Tuning γ: SIMEX Estimator of σ^2
• 5 Simulation
• 6 Conclusion