摘要
在随机设计回归中,我们对模型选择后的预测推理过程进行了有限样本分析。分析的重点是一个具有统计挑战性的场景,其中潜在重要解释变量的数量可能是无限的,其中对未知参数没有规则性条件,其中“好”中的解释变量数量模型可以与样本大小具有相同的顺序,其中候选模型的数量可以比样本大小具有更大的顺序。推理程序的性能根据训练样本进行评估。在仅关于候选模型的数量及其复杂性的弱条件下,并且在所考虑的所有数据生成过程中一致,我们证明了在有限样本中,某个预测区间是近似有效且短且概率高的,其实际覆盖概率接近标称覆盖概率,其长度接近通过实际知道“最佳”候选模型构建的不可行区间的长度。类似的结果也适用于预测推断程序,而不是预测区间,例如,测试未来的响应是否高于或低于给定的阈值。
引用
下载引文
汉内斯·利布。
“模型选择后的条件预测推理。”
安。统计师。
37
(5B)
2838 - 2876,
2009年10月。
https://doi.org/10.1214/08-AOS660
问询处
发布日期:2009年10月
首次在欧几里得项目中提供:2009年7月17日
数字对象标识符:10.1214/08-AOS660
受试者:
主要用户:62G15年
次要:62甲12,62年5月,62J07型
关键词:近似诚实的短预测区间,条件覆盖概率,有限样本分析,模型选择后的预测推理,随机设计回归
版权所有©2009数学统计研究所