Lasso 回归推断的仿真-校准检验
统计方法学
2024-09-05 v1 统计理论
统计计算
统计理论
摘要
我们提出了用于检验变量出现在Lasso路径上显著性的检验，并将其用于选择Lasso路径模型的程序，控制家族-Wide误差率。我们的原假设依赖于一组已选定变量A，表明其包含所有活跃变量。我们聚焦于从第一个位于A之外的变量被选定开始的正则化参数值。作为检验统计量，我们使用这一数量的条件p值，我们在限制于A的模型的非惩罚估计系数条件下定义它。我们通过模拟结果向量然后校准它们以观察到的结果的估计系数来估计它。我们在广义线性模型中对校准进行修正调整，转变为一种迭代随机程序。我们证明该检验在线性模型中控制了在原假设下以及在相关条件下（当A不包含所有活跃变量时）选择虚假阳性的风险。我们通过大量仿真研究评估了该程序的性能。我们还在法国药物监视数据库中演示了其在检测与药物引起的肝损伤相关暴露方面的应用。
关键词
引用
@article{arxiv.2409.02269,
title = {Simulation-calibration testing for inference in Lasso regressions},
author = {Matthieu Pluntz and Cyril Dalmasso and Pascale Tubert-Bitter and Ismail Ahmed},
journal= {arXiv preprint arXiv:2409.02269},
year = {2024}
}