Latent structureVariable Selection
SCAD 페널티 회귀
SCAD(Smoothly Clipped Absolute Deviation)는 Fan과 Li(2001)가 개발한 변수 선택 및 정규화 방법으로, L1 페널티(lasso)의 한계를 해결합니다. SCAD는 비오목(non-concave) 페널티를 사용하여 변수 선택을 자동으로 수행하면서도 참 예측 변수를 미리 알고 있는 것처럼 실제 모델을 복구하는 오라클 속성(oracle properties)을 유지합니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/ko/psychometrics/scad-penalized-regression
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- 탐색적 구조 방정식 모형심리측정학↔ 비교
- MCP 페널티 회귀심리측정학↔ 비교
- 다중 요인 분석심리측정학↔ 비교
- 부분 최소 제곱 구조 방정식 모형심리측정학↔ 비교
- 잉여 분석심리측정학↔ 비교