Testing high-dimensional regression coefficients in linear models
线性模型中高维回归系数的检验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：题名和残缺摘要仅支持一般高维回归检验，未提供因果、面板或金融等具体方向的证据。
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…
线性模型中高维回归系数的检验
- 研究问题
- 题名表明研究高维线性回归系数检验；所给残缺摘要主要涉及局部备择下的效率及数值功效，具体原假设和维度设置未说明。
- 方法与思路
- 摘要后半段提到使用检验统计量的渐近正态分布确定临界值，并通过数值研究和真实数据示例考察检验，但统计量构造未提供。
- 材料陈述的贡献
- 残缺摘要称，在所研究局部备择下相对渐近效率不低于一，数值比较显示第一类错误控制和功效表现较好；比较对象无法完整识别。
- 阅读关注点
- 阅读全文时应先补全摘要及方法定义，核对原假设、维度增长条件、效率比较对象，并区分局部渐近结论与有限样本数值表现。
- 阅读边界
- 所给 OpenAlex 索引摘要版本未注明且开头缺失；无法确定比较基准、检验构造或假设，不能据局部效率及模拟陈述断言普遍优越。
原文摘要
(2011) 260-274), and show that the ARE is always greater or equal to one under the local alternative studied in this paper. Our numerical studies imply that the proposed test with critical values derived from its asymptotical normal distribution may retain Type I error rate very well. Our numerical comparison demonstrates the proposed test performs better than existing ones in terms of powers. We further illustrate our proposed method with a real data example.