数学 > 统计理论
[提交于 2008年4月4日
]
标题: 稀疏高维回归模型中桥估计量的渐近性质
标题: Asymptotic properties of bridge estimators in sparse high-dimensional regression models
摘要: 我们研究了稀疏、高维、线性回归模型中桥估计量的渐近性质,其中协变量的数量可能随样本量趋于无穷大。 我们特别感兴趣的是使用桥估计量来区分系数为零的协变量和系数非零的协变量。 我们证明,在适当的条件下,桥估计量以收敛到1的概率正确选择具有非零系数的协变量,并且非零系数估计量的渐近分布与它们在事先知道零系数的情况下所具有的分布相同。 因此,桥估计量具有Fan和Li [J. Amer. Statist. Assoc. 96 (2001) 1348--1360]以及Fan和Peng [Ann. Statist. 32 (2004) 928--961]定义的“oracle”性质。 一般情况下,只有当协变量的数量小于样本量时,“oracle”性质才成立。 然而,在零系数协变量与非零系数协变量不相关或弱相关的部分正交性条件下,我们证明即使协变量的数量大于样本量,边缘桥估计量也能以收敛到1的概率正确区分非零系数和零系数的协变量。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.