Post-selection Inference of High-dimensional Logistic Regression Under Case–Control Design
病例—对照设计下高维 Logistic 回归的选择后推断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。
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：摘要研究通用高维 Logistic 回归与选择后推断，未明确经济离散选择模型或其他给定细分对象。
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…
病例—对照设计下高维 Logistic 回归的选择后推断
- 研究问题
- 在按响应选择样本的病例—对照设计下，如何对高维 Logistic 回归中的单个或低维参数构造区间，并检验更复杂的参数假设？
- 方法与思路
- 作者研究病例—对照采样下的高维参数推断，建立估计量渐近性质，并提出针对一般复杂假设的检验程序，以模拟和实例说明。
- 材料陈述的贡献
- 摘要称，相关渐近性质在较宽条件下成立，一般检验渐近精确且具有令人满意的功效；数值研究支持其实际表现。
- 阅读关注点
- 应核对采样机制对参数解释的影响、变量选择与后续推断的衔接、稀疏性条件，以及复杂假设检验的尺寸和功效定义。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；选择步骤、具体正则条件和数值表现未说明，也不能由病例—对照回归直接获得因果解释。
原文摘要
Confidence sets are of key importance in high-dimensional statistical inference. Under case–control study, a popular response-selective sampling design in medical study or econometrics, we consider the confidence intervals and statistical tests for single or low-dimensional parameters in high-dimensional logistic regression model. The asymptotic properties of the resulting estimators are established under mild conditions. We also study statistical tests for testing more general and complex hypotheses of the high-dimensional parameters. The general testing procedures are proved to be asymptotically exact and have satisfactory power. Numerical studies including extensive simulations and a real data example confirm that the proposed method performs well in practical settings.