Valid Simultaneous Inference in High-Dimensional Settings (with the hdm package for R)
高维环境中的有效同时推断及 R 软件包 hdmAI 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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以通用高维同时推断综述为主，处理异质性仅为例子，缺乏具体细分方法的充分依据。
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…
高维环境中的有效同时推断及 R 软件包 hdm
- 研究问题
- 在潜在协变量、回归系数或函数形式很多的高维研究中，如何进行联合检验与同时区间估计，并处理 LASSO 选择后的推断？
- 方法与思路
- 作者综述经典和现代同时推断方法，结合 R 软件包 hdm 的案例，展示多系数联合检验、同时置信区间及选择后推断。
- 材料陈述的贡献
- 摘要称，hdm 实现针对大量系数的有效联合检验和同时置信区间，为基于 LASSO 的选择后推断提供实用方法。
- 阅读关注点
- 应核对各方法的目标参数、变量选择与推断之间的衔接，以及高维条件、联合误差控制和案例所用的具体程序。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明各检验的完整条件、功效比较或案例数值。
原文摘要
Due to the increasing availability of high-dimensional empirical applications in many research disciplines, valid simultaneous inference becomes more and more important. For instance, high-dimensional settings might arise in economic studies due to very rich data sets with many potential covariates or in the analysis of treatment heterogeneities. Also the evaluation of potentially more complicated (non-linear) functional forms of the regression relationship leads to many potential variables for which simultaneous inferential statements might be of interest. Here we provide a review of classical and modern methods for simultaneous inference in (high-dimensional) settings and illustrate their use by a case study using the R package hdm. The R package hdm implements valid joint powerful and efficient hypothesis tests for a potentially large number of coeffcients as well as the construction of simultaneous confidence intervals and, therefore, provides useful methods to perform valid post-selection inference based on the LASSO.