×
彼得·伯尔曼

高维线性模型的统计显著性。 （英语） Zbl 1273.62173号

伯努利 19，第4期，1212-1242（2013）。
摘要：我们提出了一种在高维线性模型中为一般假设构造p值的方法。假设可以是局部的，用于测试单个回归参数，也可以是全局的，涉及多个甚至所有参数。此外，当考虑许多假设时，我们展示了如何在考虑到p值之间的依赖性的情况下调整多重测试。
我们的技术基于脊线估计，由于高维中存在大量投影偏差，因此附加了一个校正项。我们证明了我们的\（p\）-值有很强的误差控制，并为检测提供了充分的条件：对于前者，我们不对真正的潜在回归系数的大小做出任何假设，而对于后者，我们的程序可能在功率方面不是最优的。我们在模拟示例和实际数据应用中演示了该方法。

引用于1审查
引用于88文件

MSC公司：

62J07型 山脊回归；收缩估计器（拉索）
62J05型 线性回归；混合模型
62H15型 多元分析中的假设检验
62F05型 参数检验的渐近性质
65C60个 统计中的计算问题（MSC2010）

关键词：

全球测试;套索;多次测试;岭回归;变量选择;Westfall-Young排列程序

软件：

ElemStatLearn（电子状态学习）;促进
PDF格式BibTeX公司 XML格式引用
\textit｛P.Bühlmann｝，伯努利19，第4期，1212--1242（2013年；Zbl 1273.62173）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Bickel，P.J.、Ritov，Y.和Tsybakov，A.B.（2009年）。同时分析套索和Dantzig选择器。安。统计师。37 1705-1732. ·Zbl 1173.62022号 ·doi:10.1214/08-AOS620
[2] Bickel，P.J.、Klaassen，C.A.J.、Ritov，Y.和Wellner，J.A.（1998年）。半参数模型的有效自适应估计。纽约：斯普林格·Zbl 0894.62005号
[3] Bühlmann，P.（2006）。推动高维线性模型。安。统计师。34 559-583. ·Zbl 1095.62077号 ·doi:10.1214/009053600000092
[4] Bühlmann，P.、Kalisch，M.和Maathuis，M.H.（2010年）。高维线性模型中的变量选择：部分忠实分布和PC-simple算法。生物特征97 261-278·Zbl 1233.62135号 ·doi:10.1093/biomet/asq008
[5] Bühlmann，P.和van de Geer，S.（2011）。高维数据统计：方法、理论和应用。统计学中的斯普林格系列。海德堡：施普林格·Zbl 1273.62015年
[6] Bunea，F.、Tsybakov，A.和Wegkamp，M.（2007年）。拉索的稀疏预言不等式。电子。《美国联邦法律大全》第1卷第169-194页·兹比尔1146.62028 ·doi:10.1214/07-EJS008
[7] Candes，E.和Tao，T.（2007）。Dantzig选择器：当\（p）远大于\（n）时的统计估计。安。统计师。35 2313-2351. ·Zbl 1139.62019号 ·doi:10.1214/00905360000001523
[8] Dettling，M.（2004年）。BagBoosting用于基因表达数据的肿瘤分类。生物信息学20 3583-3593。
[9] El Karoui，N.（2008年）。基于随机矩阵理论的大维协方差矩阵谱估计。安。统计师。36 2757-2790. ·Zbl 1168.62052号 ·doi:10.1214/07-AOS581
[10] Fan，J.和Li，R.（2001）。通过非冲突惩罚似然及其oracle属性进行变量选择。J.Amer。统计师。协会96 1348-1360·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[11] Fan，J.和Lv，J.（2008）。确保超高维特征空间的独立筛选。J.R.Stat.Soc.系列。B统计方法。70 849-911. ·doi:10.1111/j.1467-9868.2008.00674.x
[12] Fan，J.和Lv，J.（2010）。高维特征空间中变量选择的选择性概述。统计师。Sinica 20 101-148号·Zbl 1180.62080号
[13] Greenshtein，E.和Ritov，Y.（2004）。高维线性预测器选择的持续性和超参数化的优点。伯努利10 971-988·Zbl 1055.62078号 ·doi:10.3150/bj/1106314846
[14] Hastie，T.、Tibshirani，R.和Friedman，J.（2009年）。《统计学习的要素：数据挖掘、推断和预测》，第二版，《统计学中的斯普林格系列》。纽约：斯普林格·Zbl 1273.62005年
[15] Huang，J.、Ma，S.和Zhang，C.H.（2008）。稀疏高维回归模型的自适应拉索。统计师。Sinica公元18 1603-1618年·Zbl 1255.62198号
[16] Ingster，Y.I.、Tsybakov，A.B.和Verzelen，N.（2010年）。稀疏回归中的检测边界。电子。《美国联邦法律大全》第4卷第1476-1526页·Zbl 1329.62314号 ·doi:10.1214/10-EJS589
[17] K.奈特和W.傅（2000）。套索型估计量的渐近性。安。统计师。28 1356-1378之间·Zbl 1105.62357号 ·doi:10.1214/aos/1015957397
[18] Koltchinskii，V.（2009年a）。Dantzig选择器和稀疏预言不等式。伯努利15 799-828·Zbl 1452.62486号 ·doi:10.3150/09-BEJ187
[19] Koltchinski，V.（2009年b）。惩罚经验风险最小化中的稀疏性。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。统计数字45 7-57·Zbl 1168.62044号 ·doi:10.1214/07-AIHP146
[20] Meinshausen，N.（2007年）。放松的拉索。计算。统计师。数据分析。52 374-393之间·Zbl 1452.62522号
[21] Meinshausen，N.和Bühlmann，P.（2006）。高维图和用套索选择变量。安。统计师。34 1436-1462. ·Zbl 1113.62082号 ·doi:10.1214/0090536000000281
[22] Meinshausen，N.和Bühlmann，P.（2010年）。稳定性选择。J.R.Stat.Soc.系列。B统计方法。72 417-473. ·文件编号：10.1111/j.1467-9868.2010.00740.x
[23] Meinshausen，N.、Maathuis，M.和Bühlmann，P.（2011）。相关性下多重检验的Westfall-Young置换过程的渐近最优性。安。统计师。39 3369-3391. ·Zbl 1246.62124号 ·doi:10.1214/11-AOS946
[24] Meinshausen，N.、Meier，L.和Bühlmann，P.（2009）\高维回归的（p\）-值。J.Amer。统计师。协会104 1671-1681·Zbl 1205.62089号 ·doi:10.1198/jasa.2009.tm08647
[25] Meinshausen，N.和Yu，B.（2009年）。高维数据稀疏表示的Lasso类型恢复。Ann.Statist公司。37 246-270. ·Zbl 1155.62050号 ·doi:10.1214/07-AOS582
[26] Raskutti，G.、Wainwright，M.J.和Yu，B.（2010年）。相关高斯设计的受限特征值特性。J.马赫。学习。第11号决议2241-2259·Zbl 1242.62071号
[27] Shao，J.和Deng，X.（2012）。具有确定性设计矩阵的高维线性模型中的估计。安。统计师。40 812-831. ·Zbl 1273.62177号 ·doi:10.1214/12-AOS982
[28] Sun，T.和Zhang，C.H.（2012）。比例稀疏线性回归。生物特征99 879-898·Zbl 1452.62515号 ·doi:10.1093/biomet/ass043
[29] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计师。Soc.序列号。乙58 267-288·Zbl 0850.62538号
[30] Tropp，J.A.（2004）。贪婪是好的：稀疏近似的算法结果。IEEE传输。通知。理论50 2231-2242·Zbl 1288.94019号 ·doi:10.1109/TIT.2004.834793
[31] van de Geer，S.（2007）。确定性拉索。JSM Proceedings，2007年140。美国统计协会。
[32] van de Geer，S.A.（2008年）。高维广义线性模型和套索。安。统计师。36 614-645. ·Zbl 1138.62323号 ·doi:10.1214/00905360700000929
[33] van de Geer，S.A.和Bühlmann，P.（2009）。根据用于证明拉索预言结果的条件。电子。《美国法律总汇》第3卷第1360-1392页·Zbl 1327.62425号 ·doi:10.1214/09-EJS506
[34] van de Geer，S.、Bühlmann，P.和Zhou，S.（2011）。潜在指定错误模型的自适应和阈值拉索（以及拉索的下限）。电子。《美国联邦法律大全》第5卷第688-749页·Zbl 1274.62471号 ·doi:10.1214/11-EJS624
[35] Vershynin，R.（2012）。介绍随机矩阵的非渐近分析。在压缩传感（Y.Eldar和G.Kutyniok编辑）210-268。剑桥：剑桥大学出版社。 ·doi:10.1017/CBO9780511794308.006
[36] Wainwright，M.J.（2009年）。使用（ell_{1}）约束二次规划（Lasso）恢复高维和噪声稀疏性的锐化阈值。IEEE传输。通知。理论55 2183-2202·Zbl 1367.62220号 ·doi:10.1109/TIT.2009.2016018
[37] Wang，H.（2009）。超高维变量筛选的前向回归。J.Amer。统计师。协会104 1512-1524·Zbl 1205.62103号 ·doi:10.1198/jasa.2008.tm08516
[38] Wasserman，L.和Roeder，K.（2009年）。高维变量选择。安。统计师。37 2178-2201. ·Zbl 1173.62054号 ·doi:10.1214/08-AOS646
[39] Westfall，P.和Young，S.（1993年）。基于重采样的多重测试：（P）值调整的示例和方法。纽约：John Wiley&Sons·Zbl 0850.62368号
[40] Zhang，C.H.（2010）。极小极大凹惩罚下的几乎无偏变量选择。安。统计师。38 894-942. ·Zbl 1183.62120号 ·doi:10.1214/09-AOS729
[41] Zhang，C.H.和Huang，J.（2008）。高维线性回归中LASSO选择的稀疏性和偏差。安。统计师。36 1567-1594. ·Zbl 1142.62044号 ·doi:10.1214/07-AOS520
[42] Zhang，C.H.和Zhang、S.（2011年）。具有高维数据的低维参数的置信区间。可从获取。1110.2563伏
[43] Zhao，P.和Yu，B.（2006）。关于拉索模型选择的一致性。J.马赫。学习。第7号决议2541-2563·Zbl 1222.62008年
[44] 邹华（2006）。自适应套索及其oracle属性。J.Amer。统计师。协会101 1418-1429·Zbl 1171.62326号 ·doi:10.1198/016214500000735
[45] 邹浩和李若明（2008）。非凹陷惩罚似然模型中的一步稀疏估计。安。统计师。36 1509-1533. ·Zbl 1142.62027号 ·doi:10.1214/0090536007000000802
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。