高维情形下具有直接错误发现率控制的半惩罚推断
统计方法学
2013-12-02 v1 统计理论
统计理论
摘要
我们提出一种新方法——具有直接错误发现率控制的半惩罚推断（SPIDR），用于高维线性回归中的变量选择与置信区间构建。SPIDR首先采用半惩罚方法构造回归系数的估计量。我们证明，在稀疏性及其他适当条件下，SPIDR估计量以高概率等同于理想最小二乘估计量，因而是理想的。因此，SPIDR估计量具有渐近正态性。基于这一分布结果，SPIDR通过直接控制错误发现率来确定选择规则，从而提供了对选择误差的显式评估。这也自然地为所选系数引出了具有恰当置信度陈述的置信区间。我们通过模拟研究评估其有限样本性能，并在一个乳腺癌基因表达数据集上展示其应用。模拟研究与数据实例表明，SPIDR是高维统计推断实践中一种有用的方法。
引用
@article{arxiv.1311.7455,
title = {Semi-Penalized Inference with Direct False Discovery Rate Control in High-Dimensions},
author = {Jian Huang and Shuangge Ma and Cun-Hui Zhang and Yong Zhou},
journal= {arXiv preprint arXiv:1311.7455},
year = {2013}
}
备注
35 pages, 8 figures