High-dimensional, robust, heteroscedastic variable selection with the adaptive LASSO, and applications to random coefficient regression

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...

وصف كامل

محفوظ في:
التفاصيل البيبلوغرافية
المؤلف الرئيسي: Hermann, Philipp
مؤلفون آخرون: Holzmann, Hajo (Prof. Dr.) (مرشد الأطروحة)
التنسيق: Dissertation
اللغة:الإنجليزية
منشور في: Philipps-Universität Marburg 2021
الموضوعات:
sparsity
variable selection
robust regression
Mathematik
high-dimensional regression
linear
sign-consistency
heteroscedasticity
adaptive LASSO
Huber loss
Mathematics
الوصول للمادة أونلاين:PDF النص الكامل
الوسوم: إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
No references were found for this record.

مواد مشابهة