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$p$-值之间的依赖性的情况下调整多重测试。我们的技术基于岭估计,由于在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$p$-值具有强大的误差控制能力,并为检测提供了充分的条件:对于前者,我们没有对真正的潜在回归系数的大小做出任何假设,而对于后者,我们的程序在功率方面可能不是最佳的。我们在模拟示例和实际数据应用中演示了该方法。
引用
下载引文
彼得·鲍尔曼(Peter Bühlmann)。
“高维线性模型的统计意义。”
伯努利
19
(4)
1212 - 1242,
2013年9月。
https://doi.org/10.3150/12-BEJSP11
信息
发布日期:2013年9月
欧几里德项目首次提供:2013年8月27日
数字对象标识符:10.3150/12-BEJSP11
关键词:全球测试,拉索,多次测试,岭回归,变量选择,Westfall–Young置换程序
版权所有©2013伯努利数理统计与概率学会