×
谢瓦利埃（Jéróme-Alexis）;阮端平;贝特朗·蒂里昂;约瑟夫·萨勒蒙

高维线性模型的空间松弛推理。 （英语） Zbl 1496.62008年

统计计算。 32，第5号，第83号论文，第15页（2022年）.
摘要：当协变量在其相关性中具有潜在的空间组织时，我们考虑高维线性模型的推理问题。这种设置的典型示例是高分辨率成像，其中相邻像素通常非常相似。在这种情况下，如果协变量比样本多，而且协变量之间相关性高，则不可能进行精确的点和置信区间估计。这要求重新制定统计推断问题，并考虑到潜在的空间结构：如果协变量是局部相关的，则可以在给定的空间不确定性范围内检测它们。因此，我们建议依赖（delta）-FWER，也就是说，在距离任何真正的距离大于（delta。考虑到这一目标度量，我们研究了集成聚类推理算法的特性，这些算法结合了三种技术：空间约束聚类、统计推理和集成来聚合多个聚类推理解决方案。我们证明，在标准假设下，集成聚类推理算法控制着（delta）-FWER，因为（delta”）等于最大聚类直径。我们用实证结果补充了理论分析，证明了这种推理算法可以实现精确的（delta）-FWER控制和可观的功率。

MSC公司：

62-08 统计问题的计算方法
62J05型 线性回归；混合模型
62J07型 岭回归；收缩估计器（拉索）
62甲12 多元分析中的估计

关键词：

群集;高维;线性模型;空间公差;统计推断;结构化数据;支持恢复

软件：

博拉索;dSTEM公司;cov测试;BALD公司
PDF格式BibTeX公司 XML格式引用
\textit{J.-A.Chevalier}等人，《统计计算》。32，第5期，第83号论文，15页（2022年；Zbl 1496.62008年）
全文： 内政部 arXiv公司 哈尔

参考文献：

[1] 巴赫，F.R.：博拉索：通过bootstrap进行模型一致的拉索估计。载：《第25届国际机器学习大会论文集》，第33-40页（2008年）
[2] 理发师，RF；Candès，E.，《通过仿冒品控制虚假发现率》，《Ann.Stat.》，第43、5、2055-2085页（2015年）·Zbl 1327.62082号 ·doi:10.1214/15-AOS1337
[3] PC公司Bellec；Zhang，C-H，用自由度调节来消除拉索的偏置，伯努利，28，27113-743（2022）·Zbl 07526563号 ·doi:10.3150/21-BEJ1348
[4] 伯克，R。；布朗，L。；Buja，A。；张凯。；Zhao，L.，有效的后选择推理，Ann.Stat.，41，2，802-837（2013）·兹比尔1267.62080 ·doi:10.1214/12-AOS1077
[5] 布兰查德，G。；Geman，D.，模式识别的层次测试设计，Ann.Stat.，33，3，1155-1202（2005）·Zbl 1072.62052号 ·doi:10.1214/009053605000000174
[6] Bühlmann，P.，《高维线性模型的统计意义》，伯努利，19，4，1212-1242（2013）·Zbl 1273.62173号 ·doi:10.3150/12-BEJSP11
[7] Bühlmann，P。；Rütimann，P。；van de Geer，S。；Zhang，C-H，回归中的相关变量：聚类和稀疏估计，J.Stat.Plan。推理，143，11，1835-1858（2013）·Zbl 1278.62103号 ·doi:10.1016/j.jspi.2013.05.019
[8] Candès，E.，Fan，Y.，Janson，L.，Lv，J.：淘金：高维受控变量选择的“X型”仿制品。J.R.统计社会服务。B统计方法。80(3), 551-577 (2018) ·Zbl 1398.62335号
[9] 查特吉，A。；Lahiri，SN，Bootstrapping Lasso estimators，美国统计协会，106，494，608-625（2011）·Zbl 1232.62088号 ·doi:10.1198/jasa.2011.tm10159
[10] Cheng，D。；何，Z。；Schwartzman，A.，检测变化点的局部极值多重测试，电子。J.Stat.，第14、2、3705-3729页（2020年）·兹比尔1452.62623 ·doi:10.1214/20-EJS1751
[11] Chevalier，J.-A.，Salmon，J.，Thirion，B.：用集群去散化拉索集合进行统计推断。摘自：医学图像计算和计算机辅助干预国际会议，第638-646页。施普林格（2018）
[12] 骑士，J-A；Gramfort，A。；沙门，J。；Thirion，B.，用解量化多任务Lasso进行时空MEG/EEG源成像的统计控制，高级神经信息处理。系统。，33, 1759-1770 (2020)
[13] Chevalier，J.-A.，Nguyen，T.-B.，Salmon，J.，Varoqueux，G.，Thirion，B.：自信解码：解码器映射的统计控制。神经影像学117921（2021）
[14] Dehman，A。；安布罗斯，C。；Neuvial，P.，利用连锁不平衡信息进行变量选择的分块方法的性能，BMC生物信息。，16148（2015年）·doi:10.1186/s12859-015-0556-6
[15] Dezeure，R。；Bühlmann，P。；Meier，L。；Meinshausen，N.，《高维推断：置信区间，（p\）-值和R软件hdi》，《统计科学》。，30, 4, 533-558 (2015) ·Zbl 1426.62183号 ·doi:10.1214/15-STS527
[16] OJ Dunn，《均值之间的多重比较》，《美国统计协会期刊》，56，293，52-64（1961）·Zbl 0103.37001号 ·doi:10.1080/01621459.1961.10482090
[17] Gimenez，J.R.，Zou，J.：发现具有统计保证的条件显著特征。摘自：机器学习国际会议，第2290-2298页（2019年）
[18] Hoyos-Idrobo，A。；瓦罗佐，G。；Kahn，J。；Thirion，B.，递归最近凝聚（ReNA）：结构信号近似的快速聚类，IEEE Trans。模式分析。机器。智力。，41, 3, 669-681 (2018) ·doi:10.1109/TPAMI.2018.2815524
[19] Janson，L。；Su，W.，《通过仿冒品实现家庭差错率控制》，Electron。J.Stat.，10，1，960-975（2016）·Zbl 1341.62245号 ·doi:10.1214/16-EJS1129
[20] 爪哇马德，A。；Montanari，A.，高维回归的置信区间和假设检验，J.马赫。学习。第15号决议，2869-2909（2014年）·Zbl 1319.62145号
[21] 爪哇马德，A。；Montanari，A.，Debising the Lasso：高斯设计的最佳样本量，《美国统计年鉴》，46，6，2593-2622（2018）·Zbl 1407.62270号 ·doi:10.1214/17-AOS1630
[22] 罗克哈特。；泰勒，J。；RJ Tibshirani；Tibshirani，R.，《拉索的显著性检验》，Ann.Stat.，42，2，413（2014）·Zbl 1305.62254号
[23] Meinshausen，N.，《可变重要性的层次测试》，《生物统计学》，95，2，265-278（2008）·兹比尔1437.62557 ·doi:10.1093/biomet/asn007
[24] Meinshausen，N:。组界：稀疏高维回归中变量组的置信区间，无需对设计进行假设。J.R.统计社会服务。B统计方法。923-945 (2015) ·Zbl 1414.62060号
[25] 明绍森，N。；Bühlmann，P.，稳定性选择，J.R.Stat.Soc.Ser。B统计方法。，72, 417-473 (2010) ·Zbl 1411.62142号 ·文件编号：10.1111/j.1467-9868.2010.00740.x
[26] 明绍森，N。；Meier，L。；Bühlmann，P.，高维回归的P值，《美国统计协会期刊》，104，488，1671-1681（2009）·Zbl 1205.62089号 ·doi:10.1198/jasa.2009.tm08647
[27] Minnier，J。；田，L。；Cai，T.，正则回归估计推断的扰动方法，美国统计协会，106，496，1371-1382（2011）·Zbl 1323.62076号 ·doi:10.1198/jasa.2011.tm10382
[28] 密特拉·R。；Zhang，C-H，用去偏倚标度群Lasso，Electron进行群推理时群稀疏性的益处。《J Stat.》，第10、2、1829-1873页（2016年）·Zbl 1397.62261号 ·doi:10.1214/16-EJS1120
[29] Nguyen，T.-B.，Chevalier，J.-A.，Thirion，B.：Ecko：功能磁共振成像数据稳健多元推断的聚类仿冒集成。载：国际医学影像信息处理会议，第454-466页。施普林格（2019）
[30] Nguyen，T.-B.，Chevalier，J.-A.，Thirion，B.，Arlot，S.：多个仿冒品的聚合。摘自：机器学习国际会议，第7283-7293页。PMLR（2020年）
[31] 宁，Y。；Liu，H.，稀疏高维模型假设检验和置信区的一般理论，Ann.Stat.，45，1，158-195（2017）·兹比尔1364.62128 ·doi:10.1214/16-AOS1448
[32] Norman，KA；Polyn，SM；Detre，GJ；Haxby，JV，《超越思维：fMRI数据的多体素模式分析》，《趋势认知》。科学。，10, 9, 424-430 (2006) ·doi:10.1016/j.tics2006.07005
[33] 理查兹，JW；Freeman，体育；Lee，AB；Schafer，CM，利用天文光谱中的低维结构，天体物理学。J.，691，1，32（2009年）·doi:10.1088/0004-637X/691/1/32
[34] Tibshirani，R.，通过Lasso，J.R.Stat.Soc.Ser.回归收缩和选择。B统计方法。，58, 1, 267-288 (1996) ·Zbl 0850.62538号
[35] van de Geer，S。；Bühlmann，P。；Ritov，Y。；Dezeure，R.，《关于高维模型的渐近最优置信区域和检验》，《Ann.Stat.》，42，3，1166-1202（2014）·Zbl 1305.62259号
[36] Varoquaux，G.，Gramfort，A.，Thirion，B.：小样本脑映射：随机和聚类空间相关设计的稀疏恢复。摘自：机器学习国际会议（2012）
[37] Wainwright，MJ，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。图像处理。，55, 5, 2183-2202 (2009) ·Zbl 1367.62220号
[38] Wasserman，L。；Roeder，K.，《高维变量选择》，Ann.Stat.，37，5，2178-2201（2009）·Zbl 1173.62054号 ·doi:10.1214/08-AOS646
[39] 张，C-H；Zhang，SS，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, 1, 217-242 (2014) ·兹比尔1411.62196 ·doi:10.1111/rssb.12026
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。