SCoRE Sets: A Versatile Framework for Simultaneous Inference
本文提出SCoRE集合框架，在任意度量空间上同时量化多个游程集的不确定性，统一了同时置信带、水平集估计和多重假设检验，并简化了相关假设。
2024-05-29 math.ST stat.TH
Scalable simultaneous inference in high-dimensional linear regression models
高维线性回归模型的同时推理方法的计算复杂性随着变量的增加而迅速增加。本文提出了一种基于Moore-Penrose伪逆的计算效率高的方法。在对可用回归量的对称性假设下，估计量是正态分布的，并且伴随着无调谐参数的标准误差的封闭形式的表达式。我们研究的数值性能，模拟现代应用程序的大小，现有的方法是计算上不可行的蒙特卡罗实验。我们发现接近名义上的覆盖范围，即使在设置强加的对称性假设不成立。正规化的伪逆通过脊调整，以产生可能的效率增益。
2021-02-01 math.ST stat.TH
Locally Private Online Quantile Regression: Estimation and Inference
York University（约克大学）；Shanghai University of Finance and Economics（上海财经大学）
研究单报告用户级ε-局部差分隐私协议下在线分位数回归的估计与推断。针对标准估计方程贡献耦合协变量与残差比较的难题，开发有限字母通道解决，建立相关性质，模拟等表明隐私预算增加时私有轨迹接近非私有在线参考。
2026-07-07 stat.ME stat.ML
Locally Private Inference for Riemannian Stochastic Optimization
Nanyang Technological University（南洋理工大学）；Shanghai University of Finance and Economics（上海财经大学）
本文提出一种基于本地差分隐私的黎曼随机优化推断方法，通过条件居中的随机切线梯度与对称对回归估计方差，实现流形上总体最小值的有效推断，并在模拟和NHANES数据上验证了性能。
2026-09-24 cs.LG math.OC math.ST
Simultaneous inference of correlated marginal tests using intersection-union or union-intersection test principle
同时推理的两种主要方法是交并测试和并交测试。对于交-并假设，比较了基于边际p值的经典IUT和全替代UIT。根据相关性、边际检验的数量和替代模式，考虑到其优点，即易于解释的同时置信区间的可用性，aiaUIT的固有功率损失似乎是可以接受的。
2021-11-15 stat.ME
Distributed Bootstrap for Simultaneous Inference Under High Dimensionality
我们提出了一个分布式的引导方法，同时推理的高维海量数据，存储和处理与许多机器。该方法产生一个$\ell_\infty$ -范数置信区域的基础上的通信有效的去偏套索，我们提出了一个有效的交叉验证方法来调整的方法在每次迭代。我们从理论上证明了一个下界的通信轮数$τ_{\min}$，保证统计的准确性和效率。此外，$τ_{\min}$仅随工人数和内在维数的增加而增加，而几乎不随名义维数的增加而变化。我们测试我们的理论，通过广泛的模拟研究，和一个半合成数据集的基础上，美国航空公司的准时性能数据集的变量筛选任务。再现数值结果的代码可在GitHub上获得：https://github.com/skchao74/Distributed-bootstrap。
2022-06-14 math.ST stat.ME stat.ML
Simultaneous inference for Berkson errors-in-variables regression under fixed design
在回归分析的各种应用中，除了相关观测值中的误差之外，预测变量中的误差也起着重要作用，并且需要并入统计建模过程中。本文考虑了一个具有固定设计回归变量和中心随机误差的Berkson型非参数测量误差模型，这与现有的许多工作不同，在这些工作中，预报变量被看作是带有随机噪声的随机观测值。基于一个估计，考虑到在预测误差和适当的高斯近似，我们得到%均匀的信心声明的功能的兴趣。特别是，我们提供了有限的样本范围的覆盖误差均匀的置信带，在那里我们规避使用极值理论，而依赖于最近的结果反浓度的高斯过程。在一个模拟研究中，我们研究了有限样本的均匀置信集的性能。
2020-09-02 math.ST stat.ME stat.TH
Simultaneous nonparametric inference of time series
我们考虑平稳过程的边际密度和回归函数的核估计。证明了对于一类广泛的时间序列，在适当的中心和尺度下，核密度和回归估计的最大偏差是渐近Gumbel的。我们的结果基本上推广了以前的独立或beta混合假设下获得的。渐近的结果可以应用于评估模式的边缘密度或回归函数通过建设的同时置信带，其中一个可以执行拟合优度检验。作为一个应用，我们构建了一个动态短期利率模型的漂移和波动率函数的同时置信带的美国国债收益率曲线利率数据。
2010-10-20 math.ST stat.TH
Locally Adaptive Conformal Inference for Operator Models
University of Connecticut（康涅狄格大学）；Meta Platforms Inc（Meta平台公司）
提出局部切片共形推断（LSCI），一种无分布框架，为算子模型生成函数值、局部自适应预测集，在合成和实际任务中比共形基线更紧、适应性更强。
2026-06-06 cs.LG stat.ML
Simultaneous Inference in Non-Sparse High-Dimensional Linear Models
稀疏性假设下的推理和预测是近年来的研究热点。然而，在实践中，稀疏性假设很难测试，更重要的是，通常可以违反。为了研究非稀疏高维线性模型下任意组参数的假设检验问题，将原假设转化为可检验的矩条件，然后利用自归一化结构分别构造单样本和双样本情形下的矩检验统计量.与单样本情况相比，双样本还需要卷积条件。值得注意的是，这些检验统计量包含修正的Dantzig检验，它同时估计模型参数和误差方差，而无需稀疏假设。具体来说，我们的方法可以扩展到重尾分布的误差，其鲁棒性。在非常温和的条件下，我们证明了I型错误的概率渐近等于标称水平α，II型错误的概率渐近为0。数值实验表明，我们提出的方法具有良好的有限样本性能。
2022-10-17 math.ST stat.TH
From Sparse to Dense Functional Data: Phase Transitions from a Simultaneous Inference Perspective
该研究针对从稀疏到稠密的函数型数据，提出基于B样条估计量的统一高斯近似方法构建均值同时置信带，探究相变条件并扩展至正交级数估计量，经模拟与真实数据验证有效。
2024-01-31 stat.ME
High-dimensional Simultaneous Inference on Non-Gaussian VAR Model via De-biased Estimator
高维非高斯时间序列的同时推理一直被认为是一个具有挑战性的问题。这类任务不仅要求对随机过程中的系数进行稳健估计，而且要求导出因变量之和的极限分布。本文提出了一种乘子自举方法来同时推断高维非高斯向量自回归（VAR）模型中的转移系数。这种引导辅助过程允许时间序列的维度在观测数量上以指数方式快速增长。作为一个检验统计量，构造了一个用于同时推断的去偏估计量。与传统的去偏/去稀疏化Lasso估计器不同，鲁棒凸损失函数和归一化权重函数被用来避免分布尾部的任何不利行为。我们发展了VAR模型的高斯近似理论，得到了去偏估计的渐近分布，并提出了一个乘子自举辅助的方法，在非常温和的矩条件下得到了新息的临界值。作为各种估计的收敛性分析的重要工具，我们建立了有界VAR模型的Bernstein型概率集中不等式。数值实验验证了所提方法的有效性。
2021-11-02 stat.ME
Simultaneous Statistical Inference for Second Order Parameters of Time Series under Weak Conditions
严格平稳性是时间序列文献中的一个常见假设，用于推导二阶顺序统计量的渐近分布结果，如样本自协方差和样本自相关。针对弱平稳性，利用高斯近似技术，在弱平稳性条件下，得到了样本自协方差和样本自相关的最大值的渐近分布。本文重新讨论了一般弱平稳时间序列拟合线性自回归模型参数估计的渐近理论，并导出了自回归系数估计的最大值的高斯逼近定理。为了对所考虑的二阶参数进行统计推断，应用引导算法，即所谓的二阶野生引导。这个引导程序的一致性被证明。与现有的自举替代方案相比，二阶野生自举的有效性不需要施加严格的平稳条件或结构过程假设，如线性。仿真结果表明，二阶Wild Bootstrap具有良好的有限样本性能。
2023-02-25 math.ST stat.TH
Distributed Simultaneous Inference in Generalized Linear Models via Confidence Distribution
我们提出了一种分布式方法，用于样本量远大于协变量数的数据集的同时推理，即，N >> p，在广义线性模型框架下.当这样的数据集太大而无法由单个集中式计算机完全分析时，或者当数据集已经存储在分布式数据库系统中时，分而合的策略一直是可扩展性的选择方法。由于分区，子数据集的样本量可能是不均匀的，有些可能接近p，这需要正则化技术来提高数值稳定性。然而，有一个缺乏明确的理论依据和实际指导方针，结合从单独的正则化估计得到的结果，特别是当最终目标是同时推断一组回归参数。在本文中，我们开发了一种策略，结合使用置信分布的偏差校正拉索型估计。我们表明，由此产生的组合估计达到相同的估计效率的极大似然估计使用集中的数据。正如模拟和真实数据示例所示，我们的划分和组合方法产生与集中式基准几乎相同的推理。
2020-07-21 stat.ME
Simultaneous Inference for Empirical Best Predictors with a Poverty Study in Small Areas
目前，广义线性混合模型在许多领域得到了广泛的应用。然而，在这一领域中，用于执行同时推理的工具的开发在很大程度上被忽视了。联合推理的框架是必不可少的进行统计有效的多个比较的参数之间的所有或几个集群的利益。因此，我们开发的同时置信区间和多重检验程序的经验最佳预测下广义线性混合模型。此外，我们实施我们的方法来研究广泛使用的混合模型，即单位级二项式，面积级泊松-伽玛和面积级泊松-对数正态混合模型的例子。渐近结果伴随着广泛的模拟。一个预测贫困率的案例研究说明了我们的同步推理工具的适用性和优势。
2021-05-28 stat.AP stat.CO
Valid Simultaneous Inference in High-Dimensional Settings (with the hdm package for R)
随着高维经验应用在许多研究领域的日益广泛，有效的同时推理变得越来越重要。例如，经济学研究中可能会出现高维设置，因为数据集非常丰富，有许多潜在的协变量，或者在治疗异质性分析中。此外，潜在的更复杂的（非线性）函数形式的回归关系的评估导致许多潜在的变量，同时推理语句可能是感兴趣的。在这里，我们提供了一个审查的经典和现代的方法，同时推理（高维）的设置，并说明其使用的案例研究使用R包HDM。R软件包hdm实现了有效的联合强大和有效的假设检验的潜在大量的coeffcients以及建设的同时置信区间，因此，提供了有用的方法来执行有效的后选择推理的基础上LASSO。
2018-09-13 econ.EM stat.ML
Simultaneous inference for linear mixed model parameters with an application to small area estimation
在过去的几十年里，线性混合模型在应用统计学的各个领域都引起了相当大的关注。它们在研究聚类、层次或纵向数据时很受欢迎。尽管如此，有效的同时推断混合参数的统计工具是罕见的。这是令人惊讶的，因为一个经常面临的推理问题以外的逐点检查固定或混合参数。例如，在重复测量的研究中，有兴趣对聚类水平的参数或特定主题的估计值进行比较分析。我们讨论的方法，同时推断假设一个线性混合模型。具体来说，我们开发的同时预测区间以及混合参数的多重检验程序。它们对于集群级参数的联合考虑或比较是有用的。我们采用一致的bootstrap近似的分布的最大型统计量来构建我们的工具。在模拟实验中研究了所开发的方法的数值性能，并在小面积家庭收入的数据示例中进行了说明。
2021-09-16 stat.AP stat.CO stat.ME
Riemannian Simultaneous Inference for Tangent Vector Field Regression
Nanyang Technological University（南洋理工大学）；Shanghai University of Finance and Economics（上海财经大学）
针对黎曼流形上的切向量场回归，提出基于平行移动和体积校正的核估计器，推导其渐近性质并构建联合置信管，模拟与风数据验证了方法的有效性。
2026-09-24 cs.LG stat.ME stat.ML
Simultaneous directional inference
针对多参数符号推断问题，提出数据驱动选择检验方向并调整单侧 p 值的同步事后方法，可在多项式时间内得到更紧的正负参数数量置信界。
2023-08-06 stat.ME
A Decorrelating and Debiasing Approach to Simultaneous Inference for High-Dimensional Confounded Models
针对存在潜在混淆变量的高维线性模型同时推断难题，提出去相关结合去偏的方法，构建检验统计量并给出错误发现控制保证，通过模拟和真实数据验证了方法有效性。
2023-08-23 stat.ME
Simultaneous Inference for Pairwise Graphical Models with Generalized Score Matching
概率图模型为网络中节点间的依赖关系建模提供了一个灵活而简洁的框架。关于图形模型的参数估计和一致模型选择有大量的文献。然而，在许多应用中，科学家们也有兴趣量化与估计参数和选定的模型，目前的文献还没有彻底解决的不确定性。基于广义Hyvärinen评分规则，提出了一种新的两两图模型边缘参数的统计推断估计. Hyvärinen评分规则在无法以封闭形式有效获得归一化常数的情况下特别有用，这是图形模型（包括Ising模型和截断高斯图形模型）的常见问题。我们的估计允许我们执行一般图形模型的统计推断，而现有的工作主要集中在高斯图形模型的统计推断，找到归一化常数是计算上容易处理的。在温和的条件下，通常假设在文献中的一致性估计，我们证明了我们提出的估计是$\sqrt{n}$ -一致和渐近正态，这使我们能够构建置信区间，并建立假设检验的边缘参数。此外，我们展示了我们所提出的方法可以应用于测试假设，同时涉及大量的模型参数。我们说明了我们的估计的有效性，通过广泛的模拟研究，收集不同的数据生成过程。
2020-05-10 stat.ME
Inference for Change Points in High Dimensional Mean Shift Models
研究了高维均值漂移模型中变点位置的置信区间构造问题。为此，我们开发了一个本地改装最小二乘估计，并获得组件明智的和同时估计率的基础变化点。同时速率是文献中最快的，至少是$\log p,$的一个因子，而分量式速率是最佳的。这些结果使极限分布的存在。两个消失和非零跳跃大小制度下的特征，而联合分布的任何有限子集的变化点估计的特征在于后一种制度下，这也产生渐近独立的这些估计。组合结果用于构建变点参数的渐进有效分量和同步置信区间。结果是建立在一个高维尺度下，允许减少跳跃的大小，在存在分歧的变化点的数量和次指数误差。它们在合成数据和智能手机的传感器测量结果上进行了说明，以进行活动识别。
2021-07-19 math.ST stat.ME stat.ML
The V-fold jackknife for semiparametric inference: variance estimation, confidence intervals, and simultaneous confidence bands
Division of Biostatistics, University of California, Berkeley（加州大学伯克利分校生物统计系）；University of Pennsylvania（宾夕法尼亚大学）
研究针对半参数推断开发V折刀切法，它计算高效且理论合理，仅需V次留一法重拟合，利用伪值经验离散度量化不确定性，给出有效置信区间和同时置信带，扩展理论到特定估计量，模拟证实其可靠推断。
2026-07-27 math.ST stat.CO stat.ME
Valid post-selection inference
在统计数据分析中，通常的做法是执行数据驱动的变量选择并从结果模型中导出统计推断。当模型被先验地选择时，这种推断不享有经典统计理论为检验和置信区间提供的任何保证。我们建议产生有效的“后选择推理”减少问题的同时推理，从而适当扩大传统的信心和保留间隔。所有子模型中作为系数估计值出现的所有线性函数都需要同时性。通过为所有可能的子模型购买“可靠性保险”，由此产生的选择后推断在所有可能的模型选择程序下都是普遍有效的。因此，这个推论对于特定的选择程序通常是保守的，但它总是比完全Scheffe保护更保守。重要的是，它不依赖于所选子模型的真实性，因此即使在错误的模型中，它也会产生有效的推理。我们描述了同时推理问题的结构，并给出了一些渐近结果。
2013-06-05 math.ST stat.TH
Simultaneous Inference for Massive Data: Distributed Bootstrap
Purdue University（普渡大学）；University of Missouri（密苏里大学）
在本文中，我们提出了一个引导方法适用于大量的数据处理分布在大量的机器。这种新的方法是计算效率高，因为我们引导主机上没有过度的rescue，通常需要现有的方法\cite{kleiner2014scalable,sengupta2016subsampled}，同时证明实现最佳的统计效率与最小的通信。我们的方法不需要反复重新拟合模型，而只需要在主机器中对从工作机器接收到的梯度应用乘数引导。仿真验证了我们的理论。
2020-02-19 cs.LG stat.ML
Simultaneous Confidence Tubes for Comparison of Several Multivariate Linear Regression Models
在过去的60多年里，关于多重比较和同时推理的研究大多是针对几个总体均值的比较。Spurrier（1999）似乎是第一个使用同时置信带研究几个简单线性回归线的多重比较的人。本文将Liu等（2004）利用联合置信带对几个单变量线性回归模型进行有限比较的工作推广到利用联合置信管对几个多元线性回归模型进行有限比较。我们展示了如何同时置信管可以构建允许多个多元线性回归模型的比较，比目前的假设检验方法更翔实的推论。用实例说明了这些方法。
2020-05-20 stat.ME
A Simultaneous Inference Procedure to Identify Subgroups from RCTs with Survival Outcomes: Application to Analysis of AMD Progression Studies
随着靶向治疗的采用，而不是“一刀切”的方法，现代随机临床试验（RCT）通常旨在开发针对一个亚组患者的治疗方法。通过分析老年性黄斑变性相关眼病研究（AREDS）数据，一项研究营养补充剂在延缓眼部疾病（年龄相关性黄斑变性（AMD））进展方面的疗效的大型RCT，我们开发了一种同步推理程序，以识别和推断RCT中具有不同治疗疗效的亚组。具体来说，我们制定了多重检验问题，通过对比，并建立其同时置信区间，控制内和跨标记的多重性适当。使用真实的基因型数据进行真实的模拟，以评估各种情况下的方法性能。然后将该方法应用于AREDS以评估抗氧化剂和锌组合在延迟AMD进展中的功效。已经鉴定了包括14号染色体上的ESRRB-VASH 1在内的多个基因区域，其中亚组显示出不同的功效。我们进一步验证了我们的研究结果在一个独立的后续RCT，AREDS 2，通过发现一致的差异治疗反应的目标和非目标亚组已确定从AREDS。这种同时推理方法为在现代药物开发中自信地识别和推断亚组提供了一个步骤。
2020-03-23 stat.AP
Locally anisotropic covariance functions on the sphere
卫星遥感技术的迅速发展使得能够在全球范围内收集地理空间数据，因此更加需要能够捕捉到球面域空间依赖性的协方差函数。我们提出了一种基于R^3中的协方差函数构造球面上非平稳、局部各向异性的协方差函数的一般方法。我们还提供定理，指定的条件下，所得到的相关函数是各向同性或轴对称的。对于现代应用中常见的球体上的大型数据集，Vecchia近似用于在统计推断上实现更高的可扩展性。灵活的协方差结构的重要性，数值模拟数据和降水数据集。
2022-08-15 stat.ME
Simultaneous inference procedures for the comparison of multiple characteristics of two survival functions
针对比例风险假设不成立时生存分析的多重参数推断需求，提出基于计数过程的多元正态渐近推断框架，实现多重检验校正与同时置信区间构建，通过模拟和肿瘤实例验证，且提供R包nph实现。
2023-10-03 stat.ME
A Locally Adaptive Algorithm for Multiple Testing with Network Structure
本文提出局部自适应结构学习算法LASLA，通过p值加权整合网络等复杂辅助信息，在渐近控制FDR的同时提升多重检验功效。
2025-02-10 stat.ME stat.ML
Multiple Comparison Procedures for Simultaneous Inference in Functional MANOVA
提出一类用于函数数据析因设计中任意线性假设的检验程序，支持全局与多重推断且不依赖特定误差分布，通过重采样方法实现渐近有效并验证了小样本性能与实际适用性。
2024-06-03 stat.ME
Sparse Group Lasso: Optimal Sample Complexity, Convergence Rate, and Statistical Inference
University of Pennsylvania（宾夕法尼亚大学）；Duke University（杜克大学）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
我们研究了高维双稀疏线性回归的稀疏群Lasso，其中感兴趣的参数同时是元素和群稀疏的。这个问题是同时结构化模型的一个重要实例，同时结构化模型是统计学和机器学习中一个积极研究的课题。在无噪声的情况下，匹配的上界和下界的样本复杂度分别建立了稀疏向量的精确恢复和近似稀疏向量的稳定估计。在有噪声的情况下，估计误差的上限和匹配的极大极小下界。我们还考虑了去偏稀疏群Lasso，并研究了它的渐近性质，以便进行统计推断。最后，数值研究提供了支持的理论结果。
2022-05-07 cs.LG math.ST stat.ML
Black-box Optimization with Simultaneous Statistical Inference for Optimal Performance
针对黑箱优化中性能估计样本均值不满足中心极限定理的问题，提出一种可在线实现优化与最优性能统计推断双重任务的算法，给出性能方差在线一致估计并刻画渐近置信区间覆盖概率的收敛速率。
2025-01-14 stat.CO stat.ML
Convolution-smoothing based locally sparse estimation for functional quantile regression
本文提出基于卷积平滑的局部稀疏估计方法，用于函数分位数回归，解决稀疏性和计算挑战，提高模型可解释性。
2025-12-01 stat.ME
Sparsified Simultaneous Confidence Intervals for High-Dimensional Linear Models
本文提出稀疏化同时置信区间，将模型选择不确定性纳入高维线性模型系数推断，通过区间收缩至零识别不重要协变量，并验证了其渐近性质与实证优势。
2025-01-02 econ.EM stat.ME stat.ML
Simultaneous confidence intervals for the interpretation of primary and secondary effects in factorial designs without a pre-test on interaction
具有可能交互作用的低维析因设计的分析是一个相关的问题。而不是共同的预测试的相互作用，同时推理过程中的主要因素在各自的水平上的次要因素，以及汇集在其所有的水平。
2022-03-28 stat.AP stat.ME
Simultaneous inference for generalized linear models with unmeasured confounders
Carnegie Mellon University（卡内基梅隆大学）
针对含未测量混杂的多元广义线性模型大规模检验问题，提出整合线性投影、lasso 联合估计与偏差校正的统一推断框架，并证明错误控制、功效及单细胞 RNA-seq 应用优势。
2025-03-15 cs.LG q-bio.GN stat.ME
On the simultaneous inference of susceptibility distributions and intervention effects from epidemic curves
本研究首次系统评估具有个体差异的SEIR模型从流行病曲线推断易感性分布与干预效应的能力，发现可识别性问题可通过拟合共享参数的多个流行病解决。
2025-10-26 stat.AP
Comments on `High-dimensional simultaneous inference with the bootstrap'
本文对Ruben Dezeure，Peter Buhlmann和Cun-Hui Zhang的文章“High-dimensional simultaneous inference with the bootstrap”进行了评述。
2017-03-29 math.ST stat.ME stat.TH
Simultaneous inference: When should hypothesis testing problems be combined?
现代统计学家经常同时面临成百上千个假设检验问题，这些问题来自新的科学技术，如微阵列、医疗和卫星成像设备或流式细胞计数器。相关的统计学文献往往从一个默认的假设开始，即一个单一的综合分析，例如错误发现率评估，应该应用于手头的整个问题集。这可能是一个危险的假设，正如本文中的例子所显示的那样，在任何特定的案例子类中都会导致过于保守或过于自由的结论。一个简单的贝叶斯理论产生了一个简洁的描述的影响，分离或组合的错误发现率分析。该理论允许在小的子类内进行有效的测试，并应用于“富集”，即检测多情况效应。
2008-03-27 stat.AP
Simultaneous inference for misaligned multivariate functional data
我们考虑对代表相同基础曲线的未对齐的多元函数数据的推断，但是其中函数样本在形状上具有系统差异。在本文中，我们介绍了一类新的普遍适用的模型，翘曲效应建模通过非线性变换的潜在高斯变量和系统的形状差异高斯过程建模。为了对样本坐标之间的互协方差进行建模，我们引入了一类适用于建模多元函数数据的低维互协方差结构。我们提出了一种在模型中进行极大似然估计的方法，并将该方法应用于三个数据集。第一数据集来自运动跟踪系统，其中随时间以三维方式跟踪大量身体标记的空间位置。第二组数据包括丹麦男孩的身高和体重测量。第三个数据集由三维空间的手路径从控制避障实验。我们使用开发的方法来估计的互协方差结构，并使用分类设置，以证明该方法优于国家的最先进的方法处理未对齐的曲线数据。
2017-12-08 stat.AP
Inference for Multiple Change-points in Piecewise Locally Stationary Time Series
The Hang Seng University of Hong Kong（香港恒生大学）；The Chinese University of Hong Kong（香港中文大学）
本文提出了一种基于似然的方法，用于推断局部平稳时间序列中的多个转折点，区分跳跃和拐点，并建立了相应的渐近分布。
2026-01-15 math.ST stat.ME stat.TH
Comparing Apples and Oranges: Two Examples of the Limits of Statistical Inference, With an Application to Google Advertising Markets
我们展示了经典的Cramer-Rao界限如何限制人们同时估计大量Google广告活动价值的准确性（或者类似地限制许多令人混淆的A/B测试的测量率）。
2016-11-30 cs.AI stat.AP
Large-scale simultaneous inference under dependence
同时推理允许在决定宣布发现的标准的同时探索数据。最近证明，所有可接受的事后推理方法的真正发现必须采用封闭测试。在本文中，我们研究了一种特殊形式的局部测试的有效封闭测试：阈值的测试分数为个别假设的总和的函数。在这种特殊的设计下，我们提出了一个新的统计，量化多重调整的成本，我们开发快速（主要是线性时间）算法事后推理。结合基于广义平均值的全局空测试的最新进展，我们的工作实例化了一系列同时推理方法，可以处理许多依赖结构和信号组合。我们通过对不同局部测试的保守性和灵敏度的理论研究，以及找到局部测试和全封闭测试的类似行为的模拟，为方法选择提供指导。
2022-03-23 math.ST stat.ME stat.TH
Simultaneous Sieve Inference for Time-Inhomogeneous Nonlinear Time Series Regression
本文研究了一般局部平稳时间序列的非时齐非线性时间序列回归问题。一方面，我们提出了时变回归函数的筛分非参数估计，它可以达到最小-最大最优速率。另一方面，我们发展了一个统一的同时推理理论，可以用来进行结构和精确形式的功能测试。我们提出的统计是强大的，即使在当地弱的替代品。我们还提出了一个乘法器自举程序的实际实施。我们的方法和理论不需要对回归函数进行任何结构假设，并且我们还允许函数在无界域中得到支持。我们还建立了无界区域上二维函数的筛逼近论和高维局部平稳时间序列的仿射型和二次型的高斯逼近结果，这些结果是独立的.数值模拟和一个真实的财务数据分析提供了支持我们的结果。
2021-12-16 math.ST stat.ME stat.TH
On the partial autocorrelation function for locally stationary time series: characterization, estimation and inference
本文针对短程依赖局部平稳时间序列，刻画了局部PACF的性质，提出基于筛法OLS的估计与检验方法，配套乘子自助法和R包，经模拟与实证验证有效。
2024-01-30 math.ST stat.ME stat.TH
Indirect inference for locally stationary ARMA processes with stable innovations
这类局部平稳过程假设存在时变谱表示，即存在有限个二阶矩。通过将新息修改为稳定分布，提出了$α$ -稳定的局部平稳过程，并给出了估计这类模型的间接推断。由于无穷大的方差，一些有趣的属性，如时变自相关无法定义。然而，由于$α$稳定的分布族在线性组合下是封闭的，其中包括处理不对称和较厚尾部的可能性，因此所提出的模型在整个时间内具有相同的尾部行为。在本文中，我们提出了这个新的模型，目前的理论特性的过程中，并进行模拟相关的间接推理，以估计模型的参数形式。最后给出了一个应用实例。
2020-06-21 stat.CO stat.ME
Ordering-Free Inference from Locally Dependent Data
本文重点研究了一个数据丰富的环境中，数据集有一个非常大的横截面尺寸，很可能表现出局部依赖，但很难确定的依赖顺序。例如，当数据集是通过网络爬行的方法从互联网收集时，就会出现这种情况。本文提出了一种随机子抽样推断方法，即通过随机抽取子样本聚集多个随机检验统计量构造检验统计量，并利用给定数据的检验统计量的条件分布进行推断。本文探讨了两种推理方法：一种是基于随机均值统计量构造的M型统计量，另一种是基于随机U-统计量构造的U型统计量。本文给出了局部相关性、随机抽取次数和子样本容量的条件，在此条件下，随机子抽样推断是渐近有效的。通过蒙特卡罗模拟研究发现，基于U型统计量的随机子抽样推断性能优于基于M型统计量的随机子抽样推断。
2018-06-29 stat.ME
Simultaneous Inference in Multiple Matrix-Variate Graphs for High-Dimensional Neural Recordings
Carnegie Mellon University（卡内基梅隆大学）；Purdue University（普渡大学）；University of Pittsburgh（匹兹堡大学）
本文提出了一种统一框架，结合组惩罚回归和高维高斯近似自助法，用于高维神经记录中多个矩阵变量图的同时推断，实现对任意大小边子集的全局检验。
2026-01-17 math.ST stat.ME stat.TH
Simultaneous Sieve Estimation and Inference for Time-Varying Nonlinear Time Series Regression
本文研究局部平稳时间序列的时变非线性回归，提出具有一致收敛性的筛非参数估计量，发展了统一的同时推断理论及乘子自助法，并开发了R包SIMle辅助实现。
2025-06-29 math.ST stat.ME stat.TH
Simultaneous Inference for Partially Observed Functional Time Series
针对部分观测的依赖函数型时间序列，提出首个同时推断方法，结合高斯逼近与随机过程理论，构建同时置信带，并应用于城市污染超标检测。
2026-07-01 math.ST stat.ME stat.TH
Simultaneous Inference for Covariance and Precision Matrices of Long-Range Dependent Time Series
Booth School of Business, The University of Chicago（芝加哥大学布斯商学院）；Marshall School of Business, University of Southern California（南加州大学马歇尔商学院）；Department of Statistics and Data Science, Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学统计与数据科学系）；Department of Statistics, The University of Chicago（芝加哥大学统计学系）
本文提出一种Berry-Esseen型正态近似结果，用于长期依赖时间序列协方差和精度矩阵的有限样本界推断，采用鞅和m依赖近似及三元块构造方法，支持高维设置和自助法验证。
2026-04-17 math.ST stat.ME stat.TH
Comments on `High-dimensional simultaneous inference with the bootstrap'
本文对Ruben Dezeure，Peter Buhlmann和Cun-Hui Zhang的文章“High-dimensional simultaneous inference with the bootstrap”进行了评述。
2017-05-06 stat.AP stat.ME stat.ML
Simultaneous Inference of a Partially Linear Model in Time Series
本文提出一种针对部分线性时间序列回归模型中多元非参数函数的联合置信区域构建方法，通过扩展高维高斯逼近至相依过程，适用于多种自回归模型，并经模拟和远期溢价回归验证。
2023-09-02 econ.EM math.ST stat.ME
