Precise Asymptotics for Dense High-Dimensional Huber Regression under Heteroscedasticity
异方差下稠密高维 Huber 回归的精确渐近理论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：摘要聚焦高维 M 估计量的渐近分布理论，未涉及因果推断、面板、离散选择、时间序列或金融等具体应用领域，故不选任何细分方向。
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
异方差下稠密高维 Huber 回归的精确渐近理论
- 研究问题
- 研究在异方差线性模型、维度与样本量成比例（n/p→δ∈(1,∞)）的稠密高维设定下，Huber 估计量的渐近经验分布如何被精确刻画。
- 方法与思路
- 作者提出用矩阵近似消息传递（AMP）框架，同时追踪回归系数与方差指标系数，将原有同方差 M 估计量的框架推广到异方差情形，并推导决定一阶中心与渐近方差的三个标量参数及位移系数。
- 材料陈述的贡献
- 摘要称给出了 Huber 估计量渐近经验分布的精确刻画，指出异方差噪声下一阶中心可能额外包含沿方差指标系数的分量，并据此构造了中心位移检验，用模拟考察其经验水平与功效。
- 阅读关注点
- 应核对 AMP 框架的适用条件与正则假设、三个标量参数与位移系数的具体定义、n/p→δ 比例渐近的含义，以及位移检验在原假设下的分布与模拟设定。
- 阅读边界
- 仅依据摘要，无法判断定理的完整假设、证明细节与模拟规模；这是 arXiv 预印本，未经同行评审或期刊接收验证，结论不宜视为已确立。
原文摘要
We study Huber regression in a heteroscedastic linear model in the proportional regime $n/p \to δ\in (1, \infty)$. Our main result is an exact characterization of the asymptotic empirical distribution of the Huber estimator. This characterization is in terms of three scalar parameters which determine the first-order centre and the asymptotic variance of the Huber estimator. The result shows that with heteroscedastic noise, the first-order centre may contain an additional component along the variance index coefficient. We derive the displacement coefficients that determine this centre, as well as the exact asymptotic variance. The analysis uses the matrix approximate message passing (AMP) framework to jointly track the regression and variance index coefficients, extending the existing framework for homoscedastic M-estimators. We illustrate the implications of this characterization by constructing a test for centre displacement and examining its empirical size and power through simulations.