High-dimensional, robust, heteroscedastic variable selection with the adaptive LASSO, and applications to random coefficient regression
In this thesis, theoretical results for the adaptive LASSO in high-dimensional, sparse linear regression models with potentially heavy-tailed and heteroscedastic errors are developed. In doing so, the empirical pseudo Huber loss is considered as loss function and the main focus is sign-consistency o...
Gespeichert in:
1. Verfasser: | |
---|---|
Beteiligte: | |
Format: | Dissertation |
Sprache: | Englisch |
Veröffentlicht: |
Philipps-Universität Marburg
2021
|
Schlagworte: | |
Online-Zugang: | PDF-Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Online
PDF-VolltextSignatur: |
urn:nbn:de:hebis:04-z2021-02489 |
---|---|
Publikationsdatum: |
2021-06-29 |
Datum der Annahme: |
2021-04-19 |
Downloads: |
1 (2025), 108 (2024), 116 (2023), 129 (2022), 71 (2021) |
Lizenz: |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
Zugangs-URL: |
https://archiv.ub.uni-marburg.de/diss/z2021/0248 https://doi.org/10.17192/z2021.0248 |