基于去偏方法的高维线性期望分位数回归推断
统计方法学
2024-01-17 v1
摘要
本文处理高维线性期望分位数回归中的推断问题。我们将期望分位数损失转化为加权最小二乘形式，并应用去偏策略在正则化框架内建立多个约束的Wald型检验。同时，我们为高维广义Hessian矩阵的伪逆构造了一个估计量，该估计量适用于包括Lasso和SCAD在内的一般可调节正则化器，并通过一种新的证明技术证明了其一致性。我们进行了模拟研究和实际数据应用，以证明我们提出的检验统计量在同方差和异方差场景下的有效性。
引用
@article{arxiv.2401.07267,
title = {Inference for high-dimensional linear expectile regression with de-biased method},
author = {Xiang Li and Yu-Ning Li and Li-Xin Zhang and Jun Zhao},
journal= {arXiv preprint arXiv:2401.07267},
year = {2024}
}
备注
34 pages