Inference in High-Dimensional Linear Measurement Error Models
高维线性测量误差模型中的推断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。
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：摘要讨论高维线性测量误差模型的假设检验与估计，未涉及所给领域细分中的因果推断、面板、离散选择、时间序列、金融等具体方向，故不选择任何细分领域。
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
高维线性测量误差模型中的推断
- 研究问题
- 摘要称，研究问题是：在协变量存在测量误差的高维线性模型中，如何对与易出错协变量相关的参数进行统计推断。
- 方法与思路
- 作者提出一种新的校正去相关得分检验（corrected decorrelated score test）及相应的一步估计量，并建立检验统计量与一步估计量的渐近性质；在局部备择下给出检验统计量的极限分布为非中心正态，并通过模拟和一组真实数据实证分析考察有限样本表现。
- 材料陈述的贡献
- 摘要明确陈述的贡献是：提出校正去相关得分检验与一步估计量，并推导其渐近性质，包括局部备择下非中心正态的极限分布，同时以模拟和实证展示该推断流程的有限样本表现。
- 阅读关注点
- 阅读全文时应核对：测量误差的具体设定与识别条件、校正去相关得分检验的构造细节、渐近性质所需的正则假设、局部备择下非中心参数的刻画，以及模拟设计与实证数据是否支持摘要所述结论。
- 阅读边界
- 仅凭摘要无法判断识别假设是否充分、定理条件是否可验证、模拟与实证的具体结果，也未说明与既有方法的比较；该版本为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
For a high-dimensional linear model with a finite number of covariates measured with error, we study statistical inference on the parameters associated with the error-prone covariates, and propose a new corrected decorrelated score test and the corresponding one-step estimator. We further establish asymptotic properties of the newly proposed test statistic and the one-step estimator. Under local alternatives, we show that the limiting distribution of our corrected decorrelated score test statistic is non-central normal. The finite-sample performance of the proposed inference procedure is examined through simulation studies. We further illustrate the proposed procedure via an empirical analysis of a real data example.