Robust post-selection inference of high-dimensional mean regression with heavy-tailed asymmetric or heteroskedastic errors
厚尾、非对称或异方差误差下高维均值回归的稳健选择后推断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。
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：摘要属于通用高维稳健回归与选择后推断，基因组应用未提供所列经济计量细分方向的直接依据。
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…
厚尾、非对称或异方差误差下高维均值回归的稳健选择后推断
- 研究问题
- 在含截距的高维线性模型中，如何对厚尾且非对称误差下的回归系数开展稳健选择后推断，并在适当条件下扩展到异方差？
- 方法与思路
- 作者基于 Huber 损失构造稳健选择后推断，研究低维参数及单个系数的检验；异方差扩展要求误差对称，并辅以模拟和基因组数据应用。
- 材料陈述的贡献
- 摘要称，论文在相应条件下建立估计量的渐近性质，提供低维参数与单系数检验，并通过模拟及核黄素生产率数据展示所提方法。
- 阅读关注点
- 应核对变量选择与后续推断的衔接、Huber 调节参数的要求、厚尾非对称情形的条件，以及异方差扩展为何额外要求误差对称。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断稀疏度、维度增长及矩条件；摘要不支持同时覆盖非对称与异方差误差，其他版本差异亦未说明。
原文摘要
We propose a robust post-selection inference method based on the Huber loss for the regression coefficients, when the error distribution is heavy-tailed and asymmetric in a high-dimensional linear model with an intercept term. The asymptotic properties of the resulting estimators are established under mild conditions. We also extend the proposed method to accommodate heteroscedasticity assuming the error terms are symmetric and other suitable conditions. Statistical tests for low-dimensional parameters or individual coefficient in the high-dimensional linear model are also studied. Simulation studies demonstrate desirable properties of the proposed method. An application to a genomic dataset about riboflavin production rate is provided.