Jeng，X.杰西；陈雄志 高维回归中的预测器排序和错误发现比例控制。 （英语） Zbl 1417.62200号 《多元分析杂志》。 171, 163-175 (2019). 小结：我们提出了一种排序和选择程序，以确定相关预测因子的优先级，并控制变量选择中的错误发现比例（FDP）。我们的程序使用了一种基于去参数化拉索估计量的新排序方法。我们表明，新的排序方法在将相关预测因子排序在不相关预测因子之前时，实现了最小非零效应的最优顺序。采用新的排序方法，我们开发了一个变量选择程序，以在用户特定的水平上渐近控制FDP。我们证明，只要去参数化的Lasso估计量是渐近正态的，我们的方法就可以一致地估计变量选择的FDP。在仿真中，当回归模型相对稀疏时，我们的方法在排序效率和FDP控制方面优于现有方法。 引用于2文件 MSC公司： 62J07型 岭回归；收缩估计器（拉索） 62甲12 多元分析中的估计 2012年12月62日 参数估计量的渐近性质 关键词：多次测试；惩罚回归；稀疏；变量选择；去参数Lasso估计 软件：高密度指数；FAMT公司；cov测试 PDF格式BibTeX公司 XML格式引用 \textit{X.J.Jeng}和\textit{X.Chen}，J.多元分析。171163-175（2019年；Zbl 1417.62200） 全文： 内政部 arXiv公司 参考文献： [1] 巴伯，R.F。；Candès，E.J.，通过仿冒品控制错误发现率，Ann.Statist。，43, 2055-2085 (2015) ·Zbl 1327.62082号 [2] Y.本杰米尼。；Hochberg，Y.，《控制错误发现率：一种实用且强大的多重测试方法》，J.R.Stat.Soc.Ser。B统计方法。，57, 289-300 (1995) ·Zbl 0809.62014号 [3] Bickel，P.J。；Ritov，Y。；Tsybakov，A.B.，Lasso和Dantzig选择器的同步分析，Ann.统计师。，37, 1705-1732 (2009) ·Zbl 1173.62022号 [4] 博格丹，M。；范登伯格，E。；萨巴蒂，C。；苏，W。；Candès，E.，SLOPE-通过凸优化的自适应变量选择，Ann.Appl。统计，9，1103-1140（2015）·Zbl 1454.62212号 [5] Bühlmann，P.，《高维线性模型的统计意义》，伯努利，第19期，第1212-1242页（2013年）·Zbl 1273.62173号 [6] Bühlmann，P。；van de Geer，S.，《高维数据方法、理论和应用的统计》（2011），施普林格出版社：纽约施普林格·Zbl 1273.62015年 [7] Cai，T.T。；郭，Z.，高维线性回归的置信区间：极小极大率和适应性，Ann.Statist。，45, 615-646 (2017) ·Zbl 1371.62045号 [8] Cai，T.T。；刘伟。；Zhou，H.，估计稀疏精度矩阵：最优收敛率和自适应估计，Ann.Statist。，44, 455-488 (2016) ·Zbl 1341.62115号 [9] 坎迪斯，E。；范，Y。；Janson，L。；Lv，J.，《淘金：高维受控变量选择的X型仿冒品》，J.R.Stat.Soc.Ser。B统计方法。，80, 551-577 (2018) ·Zbl 1398.62335号 [10] 陈，X。；Doerge，R.，与多重正态均值相关的强大数字定律（2016），http://arxiv.org/abs/1410.4276v3 [11] Dezeure，R。；Bühlmann，P。；Zhang，C.-H.，高维自举同步推理，Test，26，685-719（2017）·兹伯利06833591 [12] Efron，B.，相关性和大规模同时显著性检验，J.Amer。统计师。协会，10293-103（2007）·Zbl 1284.62340号 [13] 范，J。；韩，X。；Gu，W.，估计任意协方差依赖下的错误发现比例，J.Amer。统计师。协会，1071019-1035（2012）·Zbl 1395.62219号 [14] Feller，W.，《概率论及其应用导论》，第二卷（1971年），Wiley:Wiley New York·Zbl 0219.60003号 [15] 弗里格，C。；Kloareg，M。；Causeur，D.，《依赖性下多重测试的因子模型方法》，J.Amer。统计师。协会，1041406-1415（2009）·Zbl 1205.62071号 [16] Genovese，C。；Wasserman，L.A.，错误发现率程序的操作特征和扩展，J.R.Stat.Soc.Ser。B统计方法。，64, 499-517 (2002) ·Zbl 1090.62072号 [17] G'Sell，M.G。；Wager，S。；Chouldechova，A。；Tibshirani，R.J.，《顺序选择程序和错误发现率控制》，J.R.Stat.Soc.Ser。B统计方法。，78, 423-444 (2016) ·Zbl 1414.62341号 [18] Hartigan，J.A.，《限制相关随机变量的最大值》，电子。J.Stat.，8，3126-3140（2014）·兹比尔1310.60016 [19] 爪哇马德，A。；Montanari，A.，Debising the Lasso：高斯设计的最佳样本量，Ann.Statist。，46, 2593-2622 (2018) ·Zbl 1407.62270号 [20] 吉，P。；Zhao，Z.，高维回归中的速率最优多重测试程序（2014），预印arXiv:1404.2961 [21] Lee，J。；Sun，D。；孙，Y。；Taylor，J.，《精确后选择推理及其在套索中的应用》，Ann.Statist。，44, 907-927 (2016) ·兹比尔1341.62061 [22] 洛克哈特，R.A。；泰勒，J。；Tibshirani，R.J。；Tibshirani，R.J.，套索的显著性检验，Ann.Statist。，42413-468（2014年）·兹比尔1305.62254 [23] Mehler，G.F.，U.die Entwicklung einer Funktion von beliebig vielen Variablen nach Laplaceschen Funktitonen höherer Ordnung，J.Reine Angew。数学。，66, 161-176 (1866) ·ERAM 066.1720cj公司 [24] 明绍森，N。；Bühlmann，P.，《高维图与拉索变量选择》，Ann.Statist。，34, 1436-1462 (2006) ·Zbl 1113.62082号 [25] 明绍森，N。；Meier，L。；Bühlmann，P.，高维回归的（P\）值，J.Amer。统计师。协会，104，1671-1681（2009）·Zbl 1205.62089号 [26] 苏，W。；博格丹，M。；Candès，E.，Lasso路径早期出现错误发现，Ann.Statist。，45, 2133-2150 (2017) ·Zbl 1459.62142号 [27] 苏，W。；Candès，E.，SLOPE适应未知稀疏性和渐近极小极大，Ann.Statist。，44, 1038-1068 (2016) ·Zbl 1338.62032号 [28] Sun，W。；Cai，T.T.，Oracle和错误发现率控制的自适应复合决策规则，J.Amer。统计师。协会，102，901-912（2007）·Zbl 1469.62318号 [29] Tibshirani，R.J.，通过Lasso，J.R.Stat.Soc.Ser.回归收缩和选择。B统计方法。，58, 267-288 (1996) ·Zbl 0850.62538号 [30] van de Geer，S。；Bühlmann，P。；Ritov，Y。；Dezeure，R.，《关于高维模型的渐近最优置信域和检验》，《统计年鉴》。，42, 1166-1202 (2014) ·Zbl 1305.62259号 [31] Wainwright，M.J.，使用（ell_1）约束二次规划（Lasso）恢复高维和噪声稀疏性的夏普阈值，IEEE Trans。通知。理论，55，2183-2202（2009）·Zbl 1367.62220号 [32] Wasserman，洛杉矶。；Roeder，K.，高维变量选择，Ann.Statist。，37, 2178-2201 (2009) ·Zbl 1173.62054号 [33] Watson，G.N.，关于多项式生成函数的注记：（2）Hermite多项式，J.Lond。数学。社会科学，1-8194-199（1933）·Zbl 0007.20301号 [34] 张，X。；Cheng，G.，高维线性模型的同时推理，J.Amer。统计师。协会，112757-768（2016） [35] 张，C.-H。；Zhang，S.S.，高维线性模型中低维参数的置信区间，J.R.Stat.Soc.Ser。B统计方法。，76, 217-242 (2014) ·Zbl 1411.62196号 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。