Exact post-selection inference, with application to the lasso
精确的事后选择推断及其在 lasso 中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论的是模型选择后的推断理论与 lasso 应用，属于统计方法论，未涉及所给因果推断、面板、时间序列、金融等具体领域细分，故不选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
精确的事后选择推断及其在 lasso 中的应用
- 研究问题
- 研究问题：在数据驱动的模型选择之后，如何对所选参数做出有效的统计推断，即如何校正选择事件带来的偏差。
- 方法与思路
- 方法思路：作者提出一个一般性框架，其核心是刻画事后选择估计量在给定选择事件条件下的分布，并将该框架具体化到 lasso 模型选择情形。
- 材料陈述的贡献
- 摘要所述贡献：给出事后选择推断的一般方法，并据此为 lasso 选中的系数构造有效置信区间，以及检验所有相关变量是否已被纳入模型。
- 阅读关注点
- 阅读时应核对：条件分布结果所需的前提与正则条件、选择事件的具体定义方式、置信区间与检验在 lasso 下的构造细节及有限样本表现。
- 阅读边界
- 摘要信息的边界：仅凭摘要无法判断定理假设是否现实、区间覆盖率与检验水平在有限样本中的表现，也无法确认证明细节与数值证据；稿件版本未注明，不能据此声称已通过同行评审或期刊接收。
原文摘要
We develop a general approach to valid inference after model selection. At the core of our framework is a result that characterizes the distribution of a post-selection estimator conditioned on the selection event. We specialize the approach to model selection by the lasso to form valid confidence intervals for the selected coefficients and test whether all relevant variables have been included in the model.