摘要
所有模型都可能是错误的,但这不一定是推理的问题。考虑标准t吨-变量显著性检验X(X)用于预测响应Y(Y)同时控制第页其他协变量Z轴在随机设计线性模型中。这为零假设产生了正确的渐近I型误差控制X(X)在条件上独立于Y(Y)鉴于Z轴在任意的回归模型Y(Y)在,前提是X(X)在Z轴持有。对于广义线性模型中的Wald检验,我们称之为“双估计友好”(DEF)性质,这种与错误指定类似的稳健性也适用,但需要进行一些小的修改。
在本文中,我们探讨了这一现象,并提出了尊重DEF属性的高维回归设置方法。我们主张为两者指定(稀疏)广义线性回归模型Y(Y)和感兴趣的协变量X(X); 我们的框架给出了条件独立性为null的有效推论,如果这些都成立。在这两种规格都是线性的特殊情况下,我们的建议相当于对流行的衰减拉索测试进行了小修改。我们还研究了如何构造回归系数的置信区间X(X)通过颠倒我们的测试;即使在部分线性模型中,也有覆盖保证,其中Z轴到Y(Y)可以是任意的。数值实验证明了该方法的有效性。
资金筹措表
第一位作者得到了EPSRC计划拨款EP/N031938/1和EPSRC第一批拨款EP/R013381/1的支持。
第二位作者根据第786461号拨款协议(CausalStats-ERC-2017-ADG)获得了欧洲研究委员会的支持。
致谢
作者感谢Nicolai Meinshausen进行了许多有益的对话,并创造了“友好的双重评估”一词。
引文
下载引文
拉金·沙阿(Rajen D.Shah)。
彼得·鲍尔曼(Peter Bühlmann)。
“高维错误指定模型的双估计友好推断。”
统计师。科学。
38
(1)
68 - 91,
2023年2月。
https://doi.org/10.1214/22-STS850
信息
发布时间:2023年2月
欧几里德项目首次提供:2022年10月28日
数字对象标识符:10.1214/22-STS850
关键词:有条件的独立性,衰弱的拉索,双重稳健性,广义线性模型,高维推理
版权所有©2023数学统计研究所