流数据高维广义线性模型的统计推断
统计理论
2021-08-11 v1 统计理论
摘要
本文针对流数据的高维广义线性模型，开发了一种在线统计推断方法，用于实时估计和推断。我们提出了一种在线去偏Lasso（ODL）方法，以适应流数据的特殊结构。ODL在两个重要方面不同于离线去偏Lasso。首先，在计算当前阶段的估计时，它仅使用历史数据的汇总统计量。其次，除了对在线Lasso估计量进行去偏外，ODL还修正了由流数据的非线性在线更新引起的近似误差项。我们证明了所提出的GLM在线去偏估计量具有一致性和渐近正态性。这一结果为利用流数据进行实时中期统计推断提供了理论基础。进行了广泛的数值实验以评估所提出的ODL方法的性能。这些实验证明了我们算法的有效性，并支持了理论结果。分析了来自国家汽车抽样系统-耐撞性数据系统的一个流数据集，以说明所提出方法的应用。
引用
@article{arxiv.2108.04437,
title = {Statistical Inference in High-dimensional Generalized Linear Models with Streaming Data},
author = {Lan Luo and Ruijian Han and Yuanyuan Lin and Jian Huang},
journal= {arXiv preprint arXiv:2108.04437},
year = {2021}
}
备注
Lan Luo and Ruijian Han contributed equally to this work. Co-corresponding authors: Yuanyuan Lin (email: [email protected]) and Jian Huang (email: [email protected])