通过去稀疏化保守Lasso的高维参数渐近诚实置信区域
统计理论
2017-11-15 v3 统计理论
摘要
在本文中，我们考虑保守Lasso，我们认为它比Lasso更正确地施加惩罚，并展示如何按照van de Geer等人（2014）的方法对其进行去稀疏化，以构建渐近诚实（一致）置信带。特别地，我们仅假设存在一定数量的矩，就为保守Lasso开发了一个神谕不等式。这是通过马尔钦凯维奇-齐格蒙德不等式实现的。我们允许异方差非次高斯误差项和协变量。接着，我们对保守Lasso估计量进行去稀疏化，并推导涉及递增数量参数的检验的渐近分布。我们的模拟表明，去稀疏化保守Lasso比去稀疏化Lasso更精确地估计参数，具有更好的尺寸性质，并产生具有更优覆盖率的置信带。
引用
@article{arxiv.1410.4208,
title = {Asymptotically Honest Confidence Regions for High Dimensional Parameters by the Desparsified Conservative Lasso},
author = {Mehmet Caner and Anders Bredahl Kock},
journal= {arXiv preprint arXiv:1410.4208},
year = {2017}
}
备注
54 pages