Inference for Low-rank Models without Estimating the Rank
无需估计秩的低秩模型推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通用低秩矩阵推断与混杂因子控制，未明确宏观或金融因子模型等应用，现有细分领域证据不足。
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
无需估计秩的低秩模型推断
- 研究问题
- 高维低秩矩阵的真实秩难以可靠估计时，如何对其线性泛函进行有效推断，并处理预设秩过大所引入的偏差？
- 方法与思路
- 作者利用预先指定的加权矩阵进行多样化投影以估计低秩空间，并针对高估秩造成的隐含岭正则化偏差构建推断程序。
- 材料陈述的贡献
- 摘要称，预设秩不低于真实秩时可建立中心极限定理，并将方法用于存在混杂因子和不完整数据的多重检验。
- 阅读关注点
- 应核对中心极限定理的完整条件、预设权重矩阵的要求、偏差处理方式，以及秩高估幅度与缺失机制的允许范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实。摘要未列出完整正则条件，不能将秩下界理解为唯一有效性条件。
原文摘要
This paper studies the inference about linear functionals of high-dimensional low-rank matrices. While most existing inference methods would require consistent estimation of the true rank, our procedure is robust to rank misspecification, making it a promising approach in applications where rank estimation can be unreliable. We estimate the low-rank spaces using pre-specified weighting matrices, known as diversified projections. A novel statistical insight is that, unlike the usual statistical wisdom that overfitting mainly introduces additional variances, the over-estimated low-rank space also gives rise to a non-negligible bias due to an implicit ridge-type regularization. We develop a new inference procedure and show that the central limit theorem holds as long as the pre-specified rank is no smaller than the true rank. In one of our applications, we study multiple testing with incomplete data in the presence of confounding factors and show that our method remains valid as long as the number of controlled confounding factors is at least as large as the true number, even when no confounding factors are present.