面向时间序列数据的高维 Knockoffs 推断
统计方法学
2025-03-03 v3 统计理论
统计理论
摘要
我们做出初步尝试，为时间序列数据的 model-X knockoffs 推断建立理论与方法论基础。我们通过利用子抽样与 e-values 的思想提出时间序列 knockoffs 推断（TSKI）方法，以解决序列相关性带来的困难。我们还将在 Barber、Candès 与 Samworth 中的鲁棒 knockoffs 推断推广到时间序列设定，以放宽 model-X knockoffs 所需的已知协变量分布假设，因为该假设对时间序列数据过于严格。我们建立了 TSKI 实现渐近错误发现率（FDR）控制的充分条件。我们的技术分析揭示了序列相关性与未知协变量分布对 FDR 控制的影响。我们在广义线性时间序列模型下使用 Lasso 系数差 knockoff 统计量对 TSKI 进行了功效分析。TSKI 的有限样本表现通过若干模拟示例与一项经济通胀研究加以说明。
引用
@article{arxiv.2112.09851,
title = {High-Dimensional Knockoffs Inference for Time Series Data},
author = {Chien-Ming Chi and Yingying Fan and Ching-Kang Ing and Jinchi Lv},
journal= {arXiv preprint arXiv:2112.09851},
year = {2025}
}
备注
106 pages, 6 figures