When is the first spurious variable selected by sequential regression procedures?
序贯回归程序何时选入第一个无关变量？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：摘要研究通用高维回归的变量选择与解路径，未明确涉及所列因果、面板、宏观或金融对象，因此缺乏细分归类依据。
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…
关注这篇论文的作者
序贯回归程序何时选入第一个无关变量？
- 研究问题
- 在解释变量相关性低、真实效应强的情形下，序贯回归为何仍可能很早选入无关变量；首次误选的位置如何随信号稠密度变化？
- 方法与思路
- 作者分析 lasso、前向逐步回归和最小角回归首次误选的排名，研究独立高斯设计下的机制，并提出双重排名图辅助诊断。
- 材料陈述的贡献
- 摘要称，推导了三种程序首次误选排名的精确预测，并建立非正交设计下 lasso 与最小角回归在路径早期的精确等价结果。
- 阅读关注点
- 应核对稀疏度区间、设计分布和渐近框架，理解首次误选预测的精确含义，以及路径等价范围和双重排名图的具体用途。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体稀疏度条件、排名公式及等价区间未说明，不能推断刊本变化或普遍改进。
原文摘要
Applied statisticians use sequential regression procedures to rank explanatory variables and, in settings of low correlations between variables and strong true effect sizes, expect that variables at the top of this ranking are truly relevant to the response. In a regime of certain sparsity levels, however, we show that the lasso, forward stepwise regression, and least angle regression include the first spurious variable unexpectedly early. We derive a sharp prediction of the rank of the first spurious variable for these three procedures, demonstrating that it occurs earlier and earlier as the regression coefficients become denser. This phenomenon persists for statistically independent Gaussian random designs and arbitrarily large true effects. We gain insight by identifying the underlying cause and then introduce a simple visualization tool termed the double-ranking diagram to improve on these methods. We obtain the first result establishing the exact equivalence between the lasso and least angle regression in the early stages of solution paths beyond orthogonal designs. This equivalence implies that many important model selection results concerning the lasso can be carried over to least angle regression.