文献

J-GLOBAL ID：202102235426179743   整理番号：21A0328995

変動係数モデルのためのバイアスのないグループLasso推定

The de-biased group Lasso estimation for varying coefficient models

著者 (1件)： Honda Toshio (Graduate School of Economics, Hitotsubashi University, Kunitachi, Tokyo, Japan)
資料名： Annals of the Institute of Statistical Mathematics  (Annals of the Institute of Statistical Mathematics)
巻： 73  号： 1  ページ： 3-29  発行年： 2021年02月 
JST資料番号： W2286A  ISSN： 0020-3157  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： バイアスのないまたはスパースのないLassoに関して多くの注意があった。Lassoは高次元設定において非常に有用である。しかし,Lassoがバイアスのある推定子を生成することはよく知られている。したがって,何人かの著者は,この欠点を固定し,バイアスのないLasso推定子に基づく統計的推論を実施するために,バイアスのないLassoを提案した。バイアスのないLassoは,高次元精度行列の望ましい推定子を必要とする。したがって,研究は,いくつかの制限的仮定,厳しい仮定による一般化線形モデル,その他同種類のものを有する,線形回帰モデルにほとんど制限される。筆者らの知る限りでは,グループ構造を有する線形回帰モデルに関するいくつかの論文があるが,変動係数モデルのような構造化ノンパラメトリック回帰モデルに関する結果はない。筆者らはバイアスのないグループLassoを変動係数モデルに適用し,ノンパラメトリック回帰に含まれる近似誤差の理論的性質と効果を調べた。数値研究の結果も示した。Copyright The Institute of Statistical Mathematics, Tokyo 2019 Translated from English into Japanese by JST.

シソーラス用語： *変動係数 ,  *バイアス ,  *推定 ,  性質 ,  高次元 ,  推定量 ,  統計的推定 ,  精度 ,  行列 ,  理論 ,  回帰モデル ,  ノンパラメトリック法 ,  誤差 ,  線形回帰モデル
準シソーラス用語： スパース ,  スパース性 ,  ノンパラメトリック ,  仮定 ,  推定子 ,  統計的推論

著者キーワード (5件)： 高次元データ ,  Bスプライン ,  変化する係数モデル ,  グループラッソ ,  Bias補正

分類 (1件)： 統計学  (AB08000H)

タイトルに関連する用語 (5件)： 変動係数 ,  モデル ,  バイアス ,  グループ ,  推定