Latent structureVariable Selection
SCADペナルティ付き回帰
SCAD（Smoothly Clipped Absolute Deviation）は、FanとLi（2001）によって開発された変数選択および正則化手法であり、L1ペナルティ（lasso）の限界に対処します。SCADは非凹型のペナルティを使用し、自動的に変数選択を行うと同時に、オラクル特性を維持します。すなわち、真の予測変数が事前に分かっていたかのように、真の基盤となるモデルを回復します。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Fan, J., & Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. Journal of the American Statistical Association, 96(456), 1348-1360. DOI: 10.1198/016214501753382273 ↗
- Zou, H., & Li, R. (2008). One-step sparse estimates in nonconcave penalized likelihood models. Annals of Statistics, 36(4), 1509-1533. DOI: 10.1214/009053607000000802 ↗
- Wang, H., Li, G., & Tsai, C. L. (2007). Regression coefficient and autoregressive order shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 69(1), 63-78. DOI: 10.1111/j.1467-9868.2007.00577.x ↗
このページの引用方法
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/ja/psychometrics/scad-penalized-regression
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 探索的構造方程式モデリング (Exploratory Structural Equation Modeling)心理測定学↔ 比較
- MCP Penalized Regression心理測定学↔ 比較
- 多重因子分析心理測定学↔ 比較
- 偏最小二乗構造方程式モデリング心理測定学↔ 比較
- 冗長性分析心理測定学↔ 比較