Semiparametric local variable selection under misspecification
模型误设下的半参数局部变量选择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：摘要研究通用局部变量选择，工资差异仅被描述为关联，未提供因果识别或其他所列方向的充分依据。
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…
关注这篇论文的作者
模型误设下的半参数局部变量选择
- 研究问题
- 在特定区域检验协变量与结局的关系时，如何避免非线性及轻微模型误设导致的假阳性膨胀，以及对基函数选择的敏感？
- 方法与思路
- 作者使用正交截断样条开展局部变量选择，允许连续与分类协变量，并考虑高维、模型误设以及独立或依赖数据。
- 材料陈述的贡献
- 摘要称方法对任意结点选择避免假阳性膨胀并实现一致局部选择，还允许纳入不参与选择的调整变量，以增强模型灵活性。
- 阅读关注点
- 应核对局部效应与选择一致性的定义、样条正交化方式，以及高维和依赖数据条件下假阳性控制的具体含义。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断误设范围、结点选择的有限样本影响或依赖条件；工资差异示例不能直接作因果解释，刊本变化未提供。
原文摘要
Summary Local variable selection aims to test for the effect of covariates on an outcome within specific regions. We outline a challenge that arises in the presence of nonlinear effects and model misspecification. Specifically, for common semiparametric methods, even slight model misspecification can result in a high false positive rate, in a manner that is highly sensitive to the chosen basis functions. We propose a method based on orthogonal cut splines that avoids false positive inflation for any choice of knots and achieves consistent local variable selection. Our approach offers simplicity, can handle both continuous and categorical covariates, and provides theory for high-dimensional covariates and model misspecification. We discuss settings with either independent or dependent data. The proposed method allows inclusion of adjustment covariates that do not undergo selection, enhancing the model’s flexibility. Our examples describe salary gaps associated with various discrimination factors at different ages and elucidate the effects of covariates on functional data measuring brain activation at different times.