通过混合正交化进行高维推断
统计理论
2021-11-29 v1 统计理论
摘要
过去十年见证了高维稀疏回归统计推断领域研究的激增，特别是通过去偏或松弛正交化。然而，这些技术通常需要比估计一致性所需的更严格的稀疏条件，这严重限制了它们的实际适用性。为了减轻这种约束，我们建议在对感兴趣的参数执行基于去偏的推断之前，利用可识别特征对设计矩阵进行残差化。这引出了一种混合正交化 (HOT) 技术，该技术对可识别特征执行严格正交化，而对其他特征执行松弛正交化。在具有可识别和不可识别信号混合的近似稀疏模型下，我们建立了 HOT 检验统计量的渐近正态性，同时容纳了与一致性估计所允许的一样多的可识别信号。通过模拟和股票市场数据集的分析，也证明了所提出检验的有效性。
引用
@article{arxiv.2111.13391,
title = {High-dimensional inference via hybrid orthogonalization},
author = {Yang Li and Zemin Zheng and Jia Zhou and Ziwei Zhu},
journal= {arXiv preprint arXiv:2111.13391},
year = {2021}
}