Confidence regions for entries of a large precision matrix
大型精度矩阵元素的置信区域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：摘要明确允许观测间时间依赖，并指出程序适用于时间序列数据；没有提供足够依据将精度矩阵结构解释为经济网络。
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…
大型精度矩阵元素的置信区域
- 研究问题
- 研究如何为高维精度矩阵的部分元素构造同时置信区域，用于检验矩阵结构和恢复非零元素，并允许观测存在时间依赖。
- 方法与思路
- 作者先用惩罚化逐节点回归估计精度矩阵，再对最大估计误差建立高斯近似，并提出可计算的参数自助法实施推断。
- 材料陈述的贡献
- 摘要称，该程序具有允许时间依赖的理论依据，可用于独立同分布与时间序列数据；模拟和真实数据结果显示良好表现。
- 阅读关注点
- 应核对维度、稀疏性、尾部及时间依赖条件，检查高斯近似误差、自助法有效性，以及非零元素恢复的判定规则。
- 阅读边界
- 仅据所给出版社摘要，无法判断允许的依赖强度和维度增长范围；精度矩阵的非零元素也不能直接解释为经济因果联系。
原文摘要
We consider the statistical inference for high-dimensional precision matrices. Specifically, we propose a data-driven procedure for constructing a class of simultaneous confidence regions for a subset of the entries of a large precision matrix. The confidence regions can be applied to test for specific structures of a precision matrix, and to recover its nonzero components. We first construct an estimator for the precision matrix via penalized node-wise regression. We then develop the Gaussian approximation to approximate the distribution of the maximum difference between the estimated and the true precision coefficients.A computationally feasible parametric bootstrap algorithm is developed to implement the proposed procedure. The theoretical justification is established under the setting which allows temporal dependence among observations. Therefore the proposed procedure is applicable to both independent and identically distributed data and time series data. Numerical results with both simulated and real data confirm the good performance of the proposed method.