Inference for eigenvalues and eigenvectors of Gaussian symmetric matrices
本文给出了任意维高斯随机对称矩阵的特征值和特征向量的极大似然估计和对数似然比检验，其中观测值是来自一个或两个总体的独立重复样本。这些推断问题在扩散张量成像数据和偏振宇宙背景辐射数据的分析中是相关的，其中观测分别是$3\times3$和$2\times2$对称正定矩阵。在特征值和特征向量的推断问题中涉及的参数集是欧几里得空间的子集，这些子集是仿射子空间、在正交变换下不变的嵌入子流形或多面体凸锥。我们表明，对于一类集，包括在本文中考虑的，MLE的平均参数不依赖于协方差参数的当且仅当协方差结构是正交不变的。封闭形式的表达式的MLE和相关的LLR推导出此协方差结构。
2009-01-21 math.ST stat.TH
Optimal pooling and distributed inference for the tail index and extreme quantiles
研究了重尾数据中尾指数和极端分位数估计的池化策略。为了充分利用包含在几个样本中的信息，我们提出了一般加权汇总希尔估计的尾部指数和加权汇总韦斯曼估计的极端分位数计算通过一个非标准的几何平均计划。我们在固定的样本个数上发展了他们的大样本渐近理论，涵盖了具有不同和渐近相关分布的异质样本量的一般框架。我们的研究结果包括基于渐近方差和MSE最小化的池权重的最佳选择。在分布推断的重要应用中，我们证明了在子样本组合不可行的情况下，方差最优分布估计与基准Hill和Weissman估计是渐近等价的，而在大偏差的情况下，AMSE最优分布估计比基准估计具有更小的AMSE.我们考虑子样本数量随总样本量增长且有效子样本量可能较低的其他情况。我们扩展我们的方法来处理序列依赖和协变量的存在。模拟证实，我们的合并估计几乎执行以及基准估计。展示了两个应用程序的真实天气和保险数据。
2021-11-04 math.ST stat.ME stat.TH
Profile likelihood ratio tests for parameter inferences in generalized single-index models
提出了一种用于广义单指标模型中指标系数推断的剖面似然比检验。其主要特点包括其简单的实施，对参数化的不变性，并表现出大大低于标准的Wald测试在有限样本设置的偏见。此外，R例程进行的轮廓似然比检验被证明是超过两个数量级的速度比最近提出的广义似然比检验的基础上核回归。各种模拟和数据分析的例子证明了该方法的优点。
2017-06-26 stat.ME
High-Dimensional Single-Index Models: Link Estimation and Marginal Inference
The University of Tokyo（东京大学）；Hitotsubashi University（一桥大学）；RIKEN Advanced Intelligene Project（理化学研究所先进智能项目）；Kyoto University（京都大学）
本研究针对样本量与回归系数维度均较大且可比的高维单指数模型场景，提出含链接函数估计的新方法，证明估计量坐标渐近正态性，经数值实验验证了理论结果。
2026-08-26 math.ST stat.ME stat.TH
Statistical inference on the h-index with an application to top-scientist performance
尽管关于h指数的文献数量众多，但很少有文献专门讨论在引文数量假设为概率分布的情况下h指数的统计分析。目前的贡献依赖于显示可用的推理技术，通过提供适当的点和设置估计的理论h指数的细节。此外，同时推理的一些问题-旨在产生合适的学者比较-进行。最后，对诺贝尔奖获得者（过去五年）和菲尔兹奖获得者（从2002年起）的引文数据集进行了分析。
2012-05-20 cs.DL physics.soc-ph stat.AP
Kernel Single-Index Bandits: Estimation, Inference, and Learning
Department of Mathematics, Applied Mathematics, and Statistics, Case Western Reserve University（数学、应用数学与统计学系，凯斯西储大学）；Department of Statistics, University of Florida（佛罗里达大学统计学系）；Department of Statistics, The Pennsylvania State University（宾夕法尼亚州立大学统计学系）
本文研究了具有有限动作的上下文老虎机，其中每个臂的奖励遵循单索引模型，提出了结合Stein估计和逆概率加权核岭回归的核化ε-贪婪算法，实现了灵活的半参数学习并保留了可解释性，同时建立了适应性采样的渐近正态性和方向函数中心极限定理，提供了有效的置信区间和有限时间遗憾保证。
2026-03-19 cs.LG math.ST stat.ML
Inference for a Two-Component Mixture of Symmetric Distributions under Log-Concavity
在这篇文章中，我们重新估计未知的零-对称分布在两个组件的位置混合模型，在以前的作品中考虑的问题，现在假设零-对称分布有一个对数凹密度。当一致估计的移位位置和混合概率，我们表明，非参数对数凹最大似然估计（MLE）的混合密度和未知的零对称分量是一致的Hellinger距离。在移位位置和混合概率的估计是$\sqrt n$一致的情况下，我们建立这些MLE在$L_1$距离中以$n^{-2/5}$的速率收敛到真理。为了估计移位位置和混合概率，我们使用由\cite{hunteretal2007}提出的估计器。使用\proglang{R}包\pkg{logcondens.mode}有效地计算未知的零对称密度。
2016-05-06 math.ST stat.ME stat.TH
Bias-corrected empirical likelihood-based inference for the tail index under heavy-tailed models
结合偏差校正与经验似然方法，提出一种新的尾指数估计量，并建立渐近理论，模拟和实例验证其有效性。
2026-06-15 stat.ME
Perturbation-based Inference for Extreme Value Index
本文提出基于扰动的极值指数推断方法，通过生成超额值并应用GPD近似，实现稳健的置信区间构造，优于现有方法。
2025-12-12 stat.ME
Collaborative targeted inference from continuously indexed nuisance parameter estimators
我们希望从一个定律中推断出一个参数的值，并从中抽取独立的观测值。该参数是光滑的，我们可以定义两个变分无关的法律，其$Q$ -和$G$ -组件的功能，使他们一致地估计在一个足够快的产品率允许建立一个置信区间（CI）与给定的渐近水平从一个普通的目标最小损失估计（TMLE）。假设上述乘积不够快，并且用于$G$分量的算法由实值$h$微调。具有通过交叉验证选择的$h$的普通TMLE通常不会产生CI。我们构建了一个合作的TMLE（C-TMLE），并在温和的条件下，如果存在一个甲骨文$h$，使一个庞大的剩余项渐近高斯，那么C-TMLE产生CI。我们用平均处理效应的推论来说明我们的发现。我们进行了一个模拟研究，其中的$G$ -组件估计的LASSO和$h$是上界的系数的范数。它揭示了小样本属性，面对低到高维的基线协变量，并可能违反积极性。
2018-04-05 math.ST stat.ME stat.ML
Statistical inference of heterogeneous treatment effects using semiparametric single-index model
本文利用半参数单指标模型和双重稳健估计研究异质性处理效应，通过筛分法同时估计联系函数与指标参数，并在模拟和营养调查数据中验证了方法的优越性。
2025-07-18 stat.ME
Efficient Federated Estimation and Inference for High-Dimensional Tail Index Regression
Nankai University（南开大学）；The University of Melbourne（墨尔本大学）；Shanghai University of Finance and Economics（上海财经大学）
针对异质联邦数据，提出基于稀疏正则化与非凹融合惩罚的高维尾指数回归方法，实现系数估计、变量选择和分组恢复，并建立去偏联邦推断程序。
2026-06-02 stat.ME
Inference on High-dimensional Single-index Models with Streaming Data
流数据的出现使传统的统计方法面临新的挑战。主要的挑战是快速增长的数据量和速度，这使得在内存中存储如此庞大的数据集变得不可能。本文提出了一个在线推理框架，在高维半参数单指标模型的回归参数未知的链接功能。拟议的在线程序仅更新当前数据批次和历史数据的汇总统计，而不是重新访问整个原始数据集。同时，我们不需要估计未知的链接函数，这是一个极具挑战性的任务。此外，一个广义凸损失函数中使用的建议的推理过程。为了说明所提出的方法，我们使用Huber损失函数和逻辑斯谛回归模型的负对数似然。在这项研究中，所提出的在线去偏Lasso估计的渐近正态性和所提出的在线Lasso估计的界进行了研究。为了评估所提出的方法的性能，已经进行了广泛的模拟研究。我们提供纳斯达克股票价格和财务困境数据集的应用程序。
2022-10-03 stat.ME
Small-sample testing inference in symmetric and log-symmetric linear regression models
本文讨论了中小样本对称和对数对称线性回归模型的假设检验问题。我们专注于四个测试，即沃尔德，似然比，得分，梯度测试。这些检验依赖于渐近结果，当样本量不足以保证检验统计量的精确分布与相应的卡方渐近分布之间的良好一致性时，这些检验是不可靠的。Bartlett和Bartlett型校正通常会减弱测试的尺寸失真。这些校正在对称线性回归模型中的似然比和得分检验的文献中可用。在这里，我们推导出梯度测试的Bartlett型校正。我们证明了这些修正对对数对称线性回归模型也是有效的。我们数值比较各种测试，并引导测试，通过模拟。我们的研究结果表明，校正和自举测试表现出I型概率误差接近所选择的标称水平，几乎没有功率损耗。分析校正的测试，包括Bartlett校正的梯度测试在本文中得出的，执行以及自举测试的优势，不需要计算密集型计算。我们提出了两个真实的数据应用程序来说明修改后的测试的有用性。保留字：对称回归模型;巴特利特校正; Bartlett型校正; Bootstrap;对数对称回归模型;梯度统计;评分统计;似然比统计量; Wald统计量
2016-02-02 stat.ME
High-Dimensional Tail Index Regression
Vanderbilt University（范德比尔特大学）；University of Washington（华盛顿大学）；Lehigh University（莱斯大学）
本文提出高维尾指数回归模型，通过正则化估计和去偏处理实现参数估计与推断，应用于社交媒体病毒性帖子的文本分析。
2026-01-16 cs.LG econ.EM stat.ML
Debiased Inference of Average Partial Effects in Single-Index Models
我们提出了一种方法，在高维单指标模型的平均部分效应估计是根-n-一致的和渐近无偏的稀疏性假设的基础回归模型。本说明是作为对Wooldridge和Zhu [2018]的评论而编写的，即将发表在《商业与经济统计杂志》上。
2018-11-06 math.ST stat.TH
A Note on Bayesian Nonparametric Inference for Spherically Symmetric Distribution
在本文中，我们描述了一个贝叶斯非参数方法进行推断的二元球对称分布。我们考虑所有二元球对称分布集合上的狄利克雷不变过程先验，并推导出狄利克雷不变过程后验。实际上，我们的方法是一个扩展的Dirichlet不变过程的对称分布的实数线上的一个二元球对称分布，其中的基础分布是不变的有限群的旋转。此外，我们还得到了无限变换群的Dirichlet不变过程后验，并证明了它逼近Dirichlet过程。
2018-07-31 math.ST stat.TH
Semiparametric inference for the recurrent event process by means of a single-index model
在本文中，我们介绍了新的参数和半参数回归技术的经常性事件过程随机右删失。我们建立了累积平均函数的模型，并给出了渐近正态估计。我们的半参数模型依赖于一个单一的指数假设，可以被看作是一个降维技术，相反，一个完全的非参数的方法，是不中风的灾难时，协变量的数量是高的维数。我们讨论了数据驱动的技术来选择估计过程中涉及的参数，并提供了一个模拟研究来支持我们的理论结果。
2014-09-17 math.ST stat.TH
Efficiency of the averaged rank-based estimator for first order Sobol index inference
针对一阶Sobol指数估计问题，提出将可由响应变量重排样本经验自相关扩展得到的多滞后阶秩估计量简单组合的方法，证明其能渐近达到理论方差效率界。
2023-06-09 math.ST stat.TH
Asymptotic Properties of the Partition Function and Applications in Tail Index Inference of Heavy-Tailed Data
所谓的配分函数是一种基于数据块的样本矩统计量，它经常用于多重分形过程的背景下。它将被证明，其行为是强烈影响的尾部分布的数据或在i.i.d.弱依赖的情况。这些结果将被用来开发图形和估计方法的尾部指数的分布。通过仿真和实例分析了所提出的工具的性能，并与其他方法进行了比较。
2013-10-01 math.ST stat.ME stat.TH
Block Empirical Likelihood Inference for Longitudinal Generalized Partially Linear Single-Index Models
Wisdom Lake Academy of Pharmacy, Xi’an Jiaotong-Liverpool University（西交利物浦大学智慧药学学院）
本文提出了一种基于样条近似的块经验似然方法，用于纵向广义部分线性单索引模型的参数和方向联合推断，通过避免显式方差估计实现置信区间构造。
2026-02-18 math.ST stat.CO stat.ME
Simultaneous semiparametric inference for single-index models
本文针对部分线性单指标模型建立光滑样条估计量的 Bahadur 表示与联合渐近理论，并提出同时置信带、偏差检验及乘子自助法等半参数联合推断工具。
2024-07-02 math.ST stat.ME stat.TH
Estimation and Inference in Ultrahigh Dimensional Partially Linear Single-Index Models
针对超高维部分线性单指标模型，提出轮廓部分惩罚最小二乘估计及参数F型检验与非参数函数设定检验，并通过模拟和实际数据验证其性能。
2024-04-06 math.ST stat.ME stat.TH
Bayesian Inference for High Dimensional Changing Linear Regression with Application to Minnesota House Price Index Data
在许多应用中，被调查的数据集表现出异构的制度，更适当地使用分段线性模型为每个数据段由变化点分开的建模。虽然在低维变点线性回归方面已经做了很多工作，但高维变点回归的研究还很不成熟。基于对明尼苏达州房价指数数据的分析，我们提出了一个全贝叶斯框架来拟合高维环境中的变化线性回归模型。使用特定于段的收缩和扩散先验，我们提供完整的后验推理的变化点，同时获得后验概率的变量选择在每个段通过一个有效的吉布斯采样。此外，我们的方法可以检测到一个未知数的变化点，并适应不同的变量选择约束，如分组或部分选择。我们证实了我们的方法的准确性，使用模拟实验的范围广泛的情况。我们应用我们的方法对明尼苏达州房价指数数据进行宏观经济分析。结果表明，变点模型优于同质（无变点）高维回归模型。
2015-10-24 math.ST stat.AP stat.TH
Semiparametric inference on the fractal index of Gaussian and conditionally Gaussian time series data
研究了随机过程分形指数的一个著名估计。我们的框架是非常普遍的，包括许多感兴趣的模型，我们展示了如何扩展的估计理论的一大类非高斯过程。特别关注的是清晰度和易于实施的估计和相关的渐近结果，使从业者很容易应用的方法。我们还展示了如何测量噪声的意见将偏见的估计，可能导致从业者错误地发现证据的分形特征的时间序列。我们提出了一个新的估计，这是强大的，这样的噪音，并建立一个正式的假设检验存在的噪音的意见。最后，在两个经验数据集上说明了这些方法;一个是湍流速度流，一个是金融价格。
2018-03-09 math.ST q-fin.ST stat.TH
Estimation of stability index for symmetric α-stable distribution using quantile conditional variance ratios
$α$ -稳定分布类在各种应用中有着广泛的应用，特别是对于重尾数据的建模。虽然$α$ -稳定分布已在实践中使用多年，但用于识别、测试和估计的新方法仍在改进，并且新方法正在被提出。新的统计方法的不断发展与现有算法的低效率有关，特别是当底层样本很小或底层分布接近高斯时。本文针对对称$α$ -稳定分布样本，提出了一种新的稳定指标估计算法。所提出的方法是基于分位数条件方差比。我们研究的统计特性，建议的估计程序和经验表明，我们的方法往往优于其他常用的估计算法。此外，我们表明，我们的统计提取独特的样本特征，可以与其他方法相结合，以完善现有的方法，通过ensamble方法。虽然我们的重点是对称的$α$稳定的情况下，我们证明，所考虑的统计是不敏感的偏度参数的变化，使我们的方法也可以用于一个更通用的框架。为了完整性，我们还展示了如何将我们的方法应用于与等离子体物理相关的真实数据。
2022-12-27 math.ST stat.ME stat.TH
Estimation of first-order sensitivity indices based on symmetric reflected Vietoris-Rips complexes areas
本文通过重构二维浊点的嵌入流形来估计模型中随机变量的一阶灵敏度指数。假设模型有p个预测变量和一个连续的结果Y。我们的方法通过一个Vietoris-Rips复形来测量流形，每个变量具有固定的半径。有了这个对象，并使用面积及其对称反射，我们可以估计每个预测因子的相关性指数。该指数揭示了数据点的几何性质。同样，给定所使用的方法，我们可以确定一对不相关的随机变量在它们的相互作用中是否具有某种结构模式。
2020-12-09 math.ST stat.CO stat.ME
On adaptive Bayesian inference
我们研究了贝叶斯一致性的速度分层先验模型的指标集和密度模型的先验权重为每个选择的模型指标。Ghosal，Lessons和Van der Vaart [2]已经得到了关于所得后验分布收敛速率的一般非概率定理。我们将他们的结果推广到几乎必然的断言。作为一个应用，我们研究了有限个模型的对数样条密度，得到了当观测值的真密度属于Hölder空间$C^γ[0,1]$时，Bayes方法达到最优极小极大收敛率$n^{-γ/(2γ+1)}$.这加强了[1; 2]中的一个结果。我们还研究了模型指数的后验分布的一致性，并给出了保证后验分布的质量集中在最佳模型指数附近的条件。
2008-09-23 math.ST stat.TH
Causal inference targeting a concentration index for studies of health inequalities
针对缺乏研究暴露因素对收入相关健康不平等集中指数影响的正式方法的问题，本文定义反事实集中指数，推导其识别条件与有效影响函数，提出具备速率稳健性的√n相合局部有效估计量，并通过模拟和瑞典队列案例验证了方法的有效性。
2025-01-13 math.ST stat.ME stat.TH
