Sparse high-dimensional varying coefficient model: Nonasymptotic minimax study
稀疏高维变系数模型的非渐近极小极大研究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：摘要研究一般稀疏变系数模型的非渐近风险，时间变化措辞未明确给出序列依赖或结构断点，故不归类。
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
稀疏高维变系数模型的非渐近极小极大研究
- 研究问题
- 在高维稀疏变系数模型中，仅部分相关协变量具有时间变化，且平滑度与局部性质不同，能够达到怎样的非渐近风险界？
- 方法与思路
- 作者允许时间变化部分具有不同平滑度及空间非均匀性，推导二次风险的极小极大下界，并构造自适应估计量。
- 材料陈述的贡献
- 摘要称，自适应估计在时间变化部分空间齐次时以常数因子达到下界，在一般情形下则达到样本量的对数因子以内。
- 阅读关注点
- 应核对稀疏度、设计条件与函数类定义，厘清时间依赖及空间齐次性的具体含义，并检查自适应估计的调参和风险界。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；具体风险表达、设计假设与算法未说明，不能推断适用于任意相关时间序列。
原文摘要
The objective of the present paper is to develop a minimax theory for the varying coefficient model in a nonasymptotic setting. We consider a high-dimensional sparse varying coefficient model where only few of the covariates are present and only some of those covariates are time dependent. Our analysis allows the time-dependent covariates to have different degrees of smoothness and to be spatially inhomogeneous. We develop the minimax lower bounds for the quadratic risk and construct an adaptive estimator which attains those lower bounds within a constant (if all time-dependent covariates are spatially homogeneous) or logarithmic factor of the number of observations.