Distributional consistency of the lasso by perturbation bootstrap
通过扰动自助法实现 lasso 的分布一致性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：摘要研究通用线性回归的 lasso 分布近似，没有对应所列应用领域或模型细分的充分依据。
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
通过扰动自助法实现 lasso 的分布一致性
- 研究问题
- 在异方差线性回归中，如何有效近似 lasso 估计量的抽样分布，并使方法适用于随机和非随机两类协变量？
- 方法与思路
- 作者构造扰动自助法，分别考察随机与非随机协变量情形，建立分布近似的有效性，并通过模拟研究有限样本性质。
- 材料陈述的贡献
- 摘要称所提自助法能够在异方差模型下有效近似 lasso 分布，且适用性不取决于协变量是否随机，并提供模拟考察。
- 阅读关注点
- 应核对扰动权重、惩罚参数与系数条件、维度和样本量的关系，以及分布一致性如何转化为具体区间或检验程序。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断是否覆盖高维增长、变量选择后的推断或所有调参方案；具体条件和模拟数值未说明。
原文摘要
Summary The lasso is a popular estimation procedure in multiple linear regression. We develop and establish the validity of a perturbation bootstrap method for approximating the distribution of the lasso estimator in a heteroscedastic linear regression model. We allow the underlying covariates to be either random or nonrandom, and show that the proposed bootstrap method works irrespective of the nature of the covariates. We also investigate finite-sample properties of the proposed bootstrap method in a moderately large simulation study.