摘要：考虑回归问题中为了精准预测，对分组变量进行选择的情形。这种问题在许多实际情况中出现，比如多因素方差分析这一广为人知的例子。我们专注于精确的估计，考虑LASSO、LARS和nonnegativegarrotte的延伸等方法来进行因子选择，而不采用传统的逐步向后选择法。LASSO、LARS和nonnegative garrotte是近些年来提出的回归方法，可以用来选择单个变量。我们为这些因子选择方法的延伸提出了高效的算法，证明了这些延伸方法在因子选择问题中具有比传统的逐步后向选择法更好的表现。我们比较了这些方法之间的异同。数值模拟及实验用来阐释这些方法。