Variable Selection With the Strong Heredity Constraint and Its Oracle Property
具有强遗传约束的变量选择及其预言性质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：摘要研究一般回归及广义线性模型的交互变量选择，未提供因果识别或结构行为模型的直接依据，故不强行归类。
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
具有强遗传约束的变量选择及其预言性质
- 研究问题
- 如何同时选择回归主效应与交互项，使交互项仅在对应主效应均被纳入时进入模型，并研究其选择和估计性质？
- 方法与思路
- 作者扩展 LASSO，在拟合过程中自动施加强遗传约束，再推广到广义线性模型，并分析其预言性质。
- 材料陈述的贡献
- 摘要称方法具有预言性质，模拟与真实数据中更有效剔除无关变量并改善预测；相关证明置于在线补充材料。
- 阅读关注点
- 应核对强遗传约束的参数化、调参和信号条件，预言性质的渐近含义，以及与既有方法比较的设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；证明和数值细节未提供，预言性质不等于有限样本总能恢复真模型。
原文摘要
In this paper, we extend the LASSO method (Tibshirani 1996) for simultaneously fitting a regression model and identifying important interaction terms. Unlike most of the existing variable selection methods, our method automatically enforces the heredity constraint, that is, an interaction term can be included in the model only if the corresponding main terms are also included in the model. Furthermore, we extend our method to generalized linear models, and show that it performs as well as if the true model were given in advance, that is, the oracle property as in Fan and Li (2001) and Fan and Peng (2004). The proof of the oracle property is given in online supplemental materials. Numerical results on both simulation data and real data indicate that our method tends to remove irrelevant variables more effectively and provide better prediction performance than previous work (Yuan, Joseph, and Lin 2007 and Zhao, Rocha, and Yu 2009 as well as the classical LASSO method).