Weak signal identification and inference in penalized model selection
惩罚模型选择中的弱信号识别与推断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：摘要讨论通用惩罚模型选择与选择后推断，未涉及因果识别或其他所列细分方向。
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
惩罚模型选择中的弱信号识别与推断
- 研究问题
- 论文研究惩罚模型选择中如何识别有限样本弱信号，并为这些信号构造置信区间，弥补主要针对强信号的推断方法。
- 方法与思路
- 作者提出弱信号识别程序和噪声到强信号之间的过渡区间，再以两步方法构造区间；理论采用正交设计假设。
- 材料陈述的贡献
- 摘要称，理论与数值研究显示弱信号覆盖率有所改善，并报告相对扰动及自助法的表现优势和 HIV 耐药数据应用。
- 阅读关注点
- 应核对弱信号与过渡区间定义、正交设计的作用、两步区间对选择过程的处理，以及各比较方法和覆盖率评价设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。理论依赖正交设计；摘要未提供非正交情形保证或具体数值，不能泛化其比较优势。
原文摘要
Weak signal identification and inference are very important in the area of penalized model selection, yet they are underdeveloped and not well studied. Existing inference procedures for penalized estimators are mainly focused on strong signals. In this paper, we propose an identification procedure for weak signals in finite samples, and provide a transition phase in-between noise and strong signal strengths. We also introduce a new two-step inferential method to construct better confidence intervals for the identified weak signals. Our theory development assumes that variables are orthogonally designed. Both theory and numerical studies indicate that the proposed method leads to better confidence coverage for weak signals, compared with those using asymptotic inference. In addition, the proposed method outperforms the perturbation and bootstrap resampling approaches. We illustrate our method for HIV antiretroviral drug susceptibility data to identify genetic mutations associated with HIV drug resistance.