×
Rajen D.沙阿。；彼得·伯尔曼

高维错误指定模型的双估计友好推理。 （英语） Zbl 07654778号

统计科学。 38，第1号，68-91（2023）.
总结：所有模型都可能是错误的，但这不一定是推理的问题。考虑随机设计线性模型中预测响应（Y）的变量（X）显著性的标准（t）检验，同时控制其他协变量（Z）。这就产生了零假设的正确渐近I型误差控制，该零假设在任意的（X，Z）上（Y）的回归模型，前提是（Z）上的（X）的线性回归模型成立。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（Y）和相关协变量（X）指定（稀疏）广义线性回归模型；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。我们还研究了通过反转我们的测试来构建（X）回归系数的置信区间；即使在部分线性模型中，（Z）对（Y）的贡献可以是任意的，这些模型也有覆盖保证。数值实验证明了该方法的有效性。

MSC公司：

62至XX 统计

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

软件：

广义协方差测度；腐蚀性T；格尔姆奈特
PDF格式BibTeX公司 XML格式引用
\textit{R.D.Shah}和\textit{P.Bühlmann}，统计科学。38，编号1，68--91（2023；Zbl 07654778）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Bang，H.和Robins，J.M.（2005年）。缺失数据和因果推理模型中的双重稳健估计。生物识别61 962-972. ·Zbl 1087.62121号 ·文件编号：10.1111/j.1541-0420.2005.00377.x
[2] Belloni，A.、Chernozhukov，V.和Wang，L.（2011年）。方形套索：通过圆锥曲线编程对稀疏信号进行枢轴恢复。生物计量学98 791-806. ·Zbl 1228.62083号 ·doi:10.1093/biomet/asr043
[3] 博克斯，G.E.P.（1976）。科学和统计。J.Amer。统计师。协会。71 791-799. ·Zbl 0335.62002号
[4] BRADIC，J.、WAGER，S.和ZHU，Y.（2019）。平均治疗效果的稀疏双稳健推断。预印本。可从arXiv:1905.00744获得。
[5] BRILLINGER，D.R.（1983年）。具有“高斯”回归变量的广义线性模型。在埃里希·莱曼的节日.华兹华斯统计师/可能性。序列号。97-114. 加利福尼亚州贝尔蒙特市沃兹沃斯·Zbl 0519.62050号
[6] Bühlmann，P.和van de Geer，S.（2011）。高维数据统计:方法、理论和应用.统计学中的斯普林格系列海德堡施普林格·Zbl 1273.62015年 ·doi:10.1007/978-3-642-20192-9
[7] BüHLMANN，P.和VAN DE GEER，S.（2015）。指定错误线性模型中的高维推理。电子。J.统计。9 1449-1473. ·Zbl 1327.62420号 ·doi:10.1214/15-EJS1041
[8] BUJA，A.，BROWN，L.，BERK，R.，GEORGE，E.，PITKIN，E.，TRASKIN，M.，ZHANG，K.和ZHAO，L.（2019a）。近似模型I：用线性回归说明的结果。统计师。科学。34 523-544. ·兹比尔1440.62020 ·doi:10.1214/18-STS693
[9] BUJA，A.、BROWN，L.、KUCHIBHOTLA，A.K.、BERK，R.、GEORGE，E.和ZHAO，L.（2019b）。模型近似II：参数回归的无模型理论。统计师。科学。34 545-565. ·Zbl 1440.62021号 ·doi:10.1214/18-STS694
[10] Cai，T.T.和Guo，Z.（2017）。高维线性回归的置信区间：最小最大速率和适应性。安。统计师。45 615-646. ·Zbl 1371.62045号 ·doi:10.1214/16-AOS1461
[11] Candès，E.、Fan，Y.、Janson，L.和Lv，J.（2018年）。淘金：高维可控变量选择的“X型”仿制品。J.R.统计社会服务。B.统计方法。80 551-577. ·兹比尔1398.62335 ·doi:10.1111/rssb.12265
[12] CAO，W.、TSIATIS，A.A.和DAVIDIAN，M.（2009）。改进不完全数据总体均值的双稳健估计的效率和鲁棒性。生物计量学96 723-734. ·Zbl 1170.62007年
[13] Chernozhukov，V.、Chetverikov，D.、Demirer，M.、Duflo，E.、Hansen，C.、Newey，W.和Robins，J.（2018）。用于治疗和结构参数的双/脱苦机器学习。经济。J。21 C1-C68·Zbl 07565928号 ·doi:10.1111/ectj.12097
[14] BüHLMANN，P.、KALISCH，M.和MEIER，L.（2014）。着眼于生物学应用的高维统计。每年。修订状态申请。1 255-278.
[15] DEZEURE，R.、BüHLMANN，P.、MEIER，L.和MEINSHAUSEN，N.（2015）。高维推断：置信区间、（p\）-值和R软件hdi。统计师。科学。30 533-558. ·Zbl 1426.62183号 ·doi:10.1214/15-STS527
[16] DUAN，N.和LI，K.-C.（1991）。切片回归：一种无链接回归方法。安。统计师。19 505-530. ·Zbl 0738.62070号 ·doi:10.1214/aos/1176348109
[17] DUKES，O.、AVAGYAN，V.和VANSTEELANDT，S.（2020年）。高维混杂下暴露效应的双重稳健测试。生物识别76 1190-1200. ·Zbl 1520.62184号 ·doi:10.1111/biom.13231
[18] Efron，B.、Hastie，T.、Johnstone，I.和Tibshirani，R.（2004）。最小角度回归。安。统计师。32 407-499. ·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[19] Friedman，J.、Hastie，T.和Tibshirani，R.（2010）。广义线性模型的坐标下降正则化路径。J.统计软件。33 1-22.
[20] Hastie，T.、Tibshirani，R.和Wainwright，M.（2015）。稀疏的统计学习:拉索和推广.统计学和应用概率专著143.佛罗里达州博卡拉顿CRC出版社。
[21] HUBER，P.J.（1967年）。非标准条件下极大似然估计的行为。在程序。伯克利第五交响乐团。数学。统计师。和概率(加州伯克利., 1965/66),第一卷:统计221-233. 加利福尼亚大学出版社，加利福尼亚州伯克利·Zbl 0212.21504号
[22] JANKOVá，J.、SHAH，R.D.、BüHLMANN，P.和SAMWORTH，R.J.（2020年）。高维广义线性模型中的优良性测试。J.R.统计社会服务。B.统计方法。82 773-795. ·Zbl 07554773号 ·doi:10.1111/rssb.12371
[23] JENNRICH，R.I.（1969年）。非线性最小二乘估计量的渐近性质。安。数学。斯达。40 633-643. ·Zbl 0193.47201号 ·doi:10.1214/aoms/1177697731
[24] Kang，J.D.Y.和Schafer，J.L.（2007）。双重稳健性的解密：从不完整数据估计总体平均值的替代策略的比较。统计师。科学。22 523-539. ·Zbl 1246.62073号 ·doi:10.1214/07-STS227
[25] LI，K.-C.和DUAN，N.（1989）。链接冲突下的回归分析。安。统计师。17 1009-1052. ·Zbl 0753.62041号 ·doi:10.1214/aos/1176347254
[26] MACKINNON，J.G.和WHITE，H.（1985年）。一些具有改进的有限样本性质的异方差一致协方差矩阵估计。J.计量经济学29 305-325.
[27] Ning，Y.和Liu，H.（2017）。稀疏高维模型的假设检验和置信域的一般理论。安。统计师。45 158-195. ·Zbl 1364.62128号 ·doi:10.1214/16-AOS1448
[28] Ren，Z.、Sun，T.、Zhang，C.-H.和Zhou，H.H.（2015）。大高斯图形模型估计的渐近正态性和最优性。安。统计师。43 991-1026. ·Zbl 1328.62342号 ·doi:10.1214/14-AOS1286
[29] ROBINS，J.M.、MARK，S.D.和NEWEY，W.K.（1992）。通过在混杂因素上模拟暴露条件的期望来估计暴露影响。生物识别48 479-495. ·兹比尔0768.62099 ·doi:10.2307/2532304
[30] Robins，J.M.和Rotnitzky，A.（1995年）。缺失数据多元回归模型的半参数效率。J.Amer。统计师。协会。90 122-129. ·Zbl 0818.62043号
[31] Rosenbaum，P.R.和Rubin，D.B.（1983年）。倾向评分在因果效应观察性研究中的中心作用。生物计量学70 41-55. ·Zbl 0522.62091号 ·doi:10.1093/生物技术/70.141
[32] ROTNITZKY，A.、LEI，Q.、SUED，M.和ROBINS，J.M.（2012）。改进了缺失数据和因果推理模型中的双稳健估计。生物计量学99 439-456. ·Zbl 1239.62071号 ·doi:10.1093/biomet/ass013
[33] Scharfstein，D.O.、Rotnitzky，A.和Robins，J.M.（1999）。使用半参数无响应模型调整不可忽略的退出。J.Amer。统计师。协会。94 1096-1146. ·Zbl 1072.62644号 ·doi:10.2307/2669923
[34] Shah，R.D.和Bühlmann，P.（2018年）。高维线性模型的优良性测试。J.R.统计社会服务。B.统计方法。80 113-135. ·Zbl 06840459号 ·doi:10.1111/rssb.12234
[35] Shah，R.D.和Peters，J.（2020年）。条件独立性测试的难度和广义协方差度量。安。统计师。48 1514-1538. ·Zbl 1451.62081号 ·doi:10.1214/19-AOS1857
[36] SMUCLER，E.、ROTNITZKY，A.和ROBINS，J.M.（2019年）。因果对比的双重稳健正则化估计的统一方法。预印本。可从arXiv:1904.03737获得。
[37] Sun，T.和Zhang，C.-H.（2012）。缩放稀疏线性回归。生物计量学99 879-898. ·Zbl 1452.62515号
[38] Sun，T.和Zhang，C.-H（2013）。用缩放拉索进行稀疏矩阵反演。J.马赫。学习。物件。14 3385-3418. ·Zbl 1318.62184号
[39] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计师。Soc.序列号。B类58 267-288. ·Zbl 0850.62538号
[40] van de Geer，S.（2016）。稀疏性下的估计与检验.数学课堂笔记。2159.查姆施普林格·Zbl 1362.62006年 ·doi:10.1007/978-3-319-3274-7
[41] van de Geer，S.A.和Bühlmann，P.（2009）。根据用于证明拉索预言结果的条件。电子。J.统计。3 1360-1392. ·Zbl 1327.62425号 ·doi:10.1214/09-EJS506
[42] van de Geer，S.、Bühlmann，P.、Ritov，Y.和Dezeure，R.（2014）。关于高维模型的渐近最优置信域和检验。安。统计师。42 1166-1202. ·Zbl 1305.62259号 ·doi:10.1214/14-AOS1221
[43] van der Vaart，A.W.（1998）。渐近统计学.剑桥统计与概率数学系列3.剑桥大学出版社，剑桥·Zbl 0910.62001号 ·doi:10.1017/CBO978051180225
[44] Wainwright，M.J.（2019年）。高维统计:非共鸣观点.剑桥统计与概率数学系列48.剑桥大学出版社，剑桥·Zbl 1457.62011年 ·doi:10.1017/9781108627771
[45] White，H.（1982）。错误指定模型的最大似然估计。计量经济学50 1-25. ·Zbl 0478.62088号 ·doi:10.2307/1912526
[46] Zhang，C.-H.和Zhang、S.S.（2014）。高维线性模型中低维参数的置信区间。J.R.统计社会服务。B.统计方法。76 217-242. ·Zbl 1411.62196号 ·doi:10.1111/rssb.12026
[47] ZHU，Y.和BRADIC，J.（2018a）。非解析高维线性模型的显著性检验。电子。J.统计。12 3312-3364. ·Zbl 1416.62305号 ·doi:10.1214/18-EJS1443
[48] ZHU，Y.和BRADIC，J.（2018b）。密集高维线性模型中的线性假设检验。J.Amer。统计师。协会。113 1583-1600·Zbl 1409.62139号 ·doi:10.1080/01621459.2017.1356319
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。