Regression Shrinkage and Selection Via the Lasso
Lasso 与变量选择
理解惩罚回归如何结合收缩和变量选择，为高维方法打基础。
基础文献
收录说明
当前公开 842 篇基础文献，其中 71 篇逐篇选编，其余由引文线索扩充。收录计量方法、统计基础及相关应用／综述，按题录身份与计量相关性复核；存疑记录暂缓展示，继续核验。
历史引用数据用于选编线索，不代表论文质量或完整排名。“高被引线索”按选编记录中超过 1,000 次引用筛选，引用排序也采用选编时的记录；引用徽标以所标注的核验日期为准，可点击核对 OpenAlex 来源。不同版本不合并，统计口径与 Google Scholar 不同，缺失数据不记作零。
按微观、宏观、金融及细分方向分类；通用方法允许交叉。选择研究方向可查看阅读路线，路线按学习衔接组织。具体假设、证明和结论以原文为准。
AI 解读依据可靠摘要或已核实原文片段；材料不足时保留待解读状态，题录、原文链接与已有解读继续开放。
阅读路线按学习衔接组织，不表示论文排名；预备文献可以来自相邻方向。文献清单仍遵循当前方法和关键词筛选。
Measurement Error in Lasso: Impact and Likelihood Bias Correction
Lasso 中的测量误差：影响与似然偏差校正
研究协变量测量误差对 Lasso 的影响及校正；预印本旧题名为 Measurement Error in Lasso: Impact and Correction。
笔记与分组
High-dimensional Regression with Noisy and Missing Data: Provable Guarantees with Nonconvexity
带噪声与缺失数据的高维回归：非凸问题的可证明保证
讨论高维回归中带噪声或缺失协变量的估计问题，给出统计误差与优化的理论保证。
笔记与分组
CoCoLasso for High-dimensional Error-in-variables Regression
高维误差变量回归的 CoCoLasso
研究带有协变量测量误差的高维回归，提出凸校正 Lasso 方法。
笔记与分组
Inference in High Dimensional Linear Measurement Error Models
高维线性测量误差模型的统计推断
针对高维线性测量误差模型构造统计推断；预印本首次提交于 2020 年。
笔记与分组