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$<trans\; data-src="(">(</trans>\mathit{<trans\; data-src="X">X（X）</trans>}<trans\; data-src=",">,</trans>\mathit{<trans\; data-src="Z">Z轴</trans>}<trans\; data-src=")">)</trans>$，前提是X（X）在Z轴持有。与误指定类似的鲁棒性，我们称之为“双重估计友好”（DEF）性质，也适用于广义线性模型中的Wald检验，并进行了一些小的修改。

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）以及感兴趣的协变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。