流式数据下高维单指标模型的推断
统计方法学
2022-10-04 v1
摘要
传统统计方法因流式数据而面临新挑战。主要挑战是数据量与速度快速增长，使得无法将如此庞大的数据集存入内存。本文提出一种针对具有未知链接函数的高维半参数单指标模型中回归参数的在线推断框架。所提在线过程仅更新当前数据批次与历史数据的汇总统计量，而非重新访问整个原始数据集。同时，我们无需估计未知的链接函数，这是一项极具挑战性的任务。此外，所提推断过程使用了广义凸损失函数。为说明所提方法，我们采用 Huber 损失函数与逻辑回归模型的负对数似然。本研究探讨了所提在线去偏 Lasso 估计量的渐近正态性与所提在线 Lasso 估计量的界。为评估所提方法性能，进行了大量仿真研究。我们给出了在纳斯达克股票价格与财务困境数据集上的应用。
引用
@article{arxiv.2210.00937,
title = {Inference on High-dimensional Single-index Models with Streaming Data},
author = {Dongxiao Han and Jinhan Xie and Jin Liu and Liuquan Sun and Jian Huang and Bei Jian and Linglong Kong},
journal= {arXiv preprint arXiv:2210.00937},
year = {2022}
}
备注
38 pages, 2 figures