Signal-to-Noise Ratio Inference for Multivariate High-Dimensional Linear Models
多元高维线性模型的信噪比推断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：摘要研究通用高维线性模型并应用于酵母数据，固定效应表述不足以证明属于面板数据。
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
多元高维线性模型的信噪比推断
- 研究问题
- 当响应变量也是高维且存在相关性时，如何推断多元线性模型解释的总响应变异比例，并处理不等噪声水平？
- 方法与思路
- 作者利用两个矩方程直接估计目标比例，无需拟合回归系数，并为固定效应与随机效应模型建立允许响应维度增长的置信区间。
- 材料陈述的贡献
- 摘要称获得渐近有效置信区间，刻画响应依赖对精度的影响，并给出随机设计下的不等噪声修正；另有模拟与酵母生长应用。
- 阅读关注点
- 应核对目标比例与两个矩方程的定义、维度增长条件、固定与随机效应设定，以及依赖结构和噪声修正的要求。
- 阅读边界
- 这是所给 arXiv v2 预印本，不能据此声称已经同行评审或期刊接收；摘要未列出完整条件或有限样本覆盖率。
原文摘要
We study inference for the fraction of total response variation explained by multivariate high-dimensional linear models. Two moment equations yield explicit estimates without fitting the regression coefficients. We establish asymptotically valid confidence intervals for fixed- and random-effects models, allowing the response dimension to grow with the sample size. The theory describes how response dependence affects precision and provides a correction for unequal noise levels in the random-design setting. Simulations assess finite-sample performance, and an analysis of yeast growth across environments illustrates joint inference for additive marker-based signal.