A Strongly Consistent Procedure for Model Selection in a Regression Problem
回归问题中强一致的模型选择程序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：摘要研究通用回归模型选择，未说明所列经济计量细分方向的专门结构或应用。
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
回归问题中强一致的模型选择程序
- 研究问题
- 在多元回归中，如何根据系数为零或非零所形成的候选模型选择真实模型，并保证选择结果随样本量增长具有强一致性？
- 方法与思路
- 作者提出用于选择回归模型的决策规则，并在若干被摘要称为温和的条件下证明强一致性，不要求误差分量服从正态分布。
- 材料陈述的贡献
- 摘要明确声称该规则能够强一致地选出真实模型，并指出相关理论结果无需依赖误差分布的正态性假设。
- 阅读关注点
- 应核对决策规则的具体形式、真实模型的定义、设计矩阵与误差的条件，以及模型维度在渐近分析中如何设置。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要，所谓温和条件未列明；不要求正态性不代表无须其他限制，也不保证小样本选择准确。
原文摘要
We consider the multiple regression model Yn= Xnβ+ En, where Yn and En are n-vector random variables, Xn is an n×m matrix and β is an m-vector of unknown regression parameters. Each component of β may be zero or nonzero, which gives rise to 2m possible models for multiple regression. We provide a decision rule for the choice of a model which is strongly consistent for the true model as n →∞. The result is proved under certain mild conditions, for instance without assuming normality of the distribution of the components of En.