Uniformly Valid Post-Regularization Confidence Regions for Many Functional Parameters in Z-Estimation Framework
Z 估计框架中多函数参数的正则化后一致有效置信区域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：摘要明确将一般推断理论用于分布回归的系数过程，因而与分位数与分布效应方向中的分布建模直接相关。
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…
Z 估计框架中多函数参数的正则化后一致有效置信区域
- 研究问题
- 研究一般矩条件模型在变量选择后，如何对数量可能远超样本量且可为函数的多个参数构造同时置信带。
- 方法与思路
- 作者构造满足正交条件的得分函数，结合高维一致中心极限定理与仅重抽样估计得分的乘子自助法进行推断。
- 材料陈述的贡献
- 摘要称，论文建立多函数参数的正则化后同时推断程序，并将理论用于逻辑链接分布回归的系数过程。
- 阅读关注点
- 应核对正交性、辅助估计误差和参数维度增长的条件，以及一般理论如何落实为分布回归的两种实现。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出完整一致性条件、置信带宽度或实证结果。
原文摘要
In this paper we develop procedures to construct simultaneous confidence bands for $\tilde p$ potentially infinite-dimensional parameters after model selection for general moment condition models where $\tilde p$ is potentially much larger than the sample size of available data, $n$. This allows us to cover settings with functional response data where each of the $\tilde p$ parameters is a function. The procedure is based on the construction of score functions that satisfy certain orthogonality condition. The proposed simultaneous confidence bands rely on uniform central limit theorems for high-dimensional vectors (and not on Donsker arguments as we allow for $\tilde p \gg n$). To construct the bands, we employ a multiplier bootstrap procedure which is computationally efficient as it only involves resampling the estimated score functions (and does not require resolving the high-dimensional optimization problems). We formally apply the general theory to inference on regression coefficient process in the distribution regression model with a logistic link, where two implementations are analyzed in detail. Simulations and an application to real data are provided to help illustrate the applicability of the results.