Hybrid confidence intervals for informative uniform asymptotic inference after model selection
模型选择后兼具信息量与一致渐近有效性的混合置信区间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：摘要聚焦一般回归模型选择后的置信区间，未明确研究因果、面板、宏观预测或金融预测目标。
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
模型选择后兼具信息量与一致渐近有效性的混合置信区间
- 研究问题
- 使用同一数据选择模型后，如何在不假定候选模型正确设定的情况下，构造覆盖率可靠且长度具有实用性的置信区间？
- 方法与思路
- 作者结合选择性推断与选择后推断技术构造混合区间，并以lasso选择回归模型后的推断展示其使用方式。
- 材料陈述的贡献
- 摘要称，该区间对一大类分布具有一致渐近覆盖率，无需限制缩放参数，并通过模拟和糖尿病应用考察小样本表现。
- 阅读关注点
- 应核对选择后目标参数的定义、两类推断技术的组合规则，以及一致覆盖率所针对的分布类别和区间长度比较。
- 阅读边界
- 仅依据所给Crossref摘要；未说明目标参数、正则条件及模拟数值，渐近覆盖保证不能直接解释为有限样本精确覆盖。
原文摘要
Abstract I propose a new type of confidence interval for correct asymptotic inference after using data to select a model of interest without assuming any model is correctly specified. This hybrid confidence interval is constructed by combining techniques from the selective inference and post-selection inference literatures to yield a short confidence interval across a wide range of data realizations. I show that hybrid confidence intervals have correct asymptotic coverage, uniformly over a large class of probability distributions that do not bound scaled model parameters. I illustrate the use of these confidence intervals in the problem of inference after using the lasso objective function to select a regression model of interest and provide evidence of their desirable length and coverage properties in small samples via a set of Monte Carlo experiments that entail a variety of different data distributions as well as an empirical application to the predictors of diabetes disease progression.