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...

Szczegółowa specyfikacja

Zapisane w:
Opis bibliograficzny
1. autor: Hermann, Philipp
Kolejni autorzy: Holzmann, Hajo (Prof. Dr.) (Promotor doktoranta)
Format: Dissertation
Język:angielski
Wydane: Philipps-Universität Marburg 2021
Hasła przedmiotowe:
sparsity
variable selection
robust regression
Mathematik
high-dimensional regression
linear
sign-consistency
heteroscedasticity
adaptive LASSO
Huber loss
Mathematics
Dostęp online:PDF pełnotekstowe
Etykiety: Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!
Napisz pierwszy komentarz!
Najpierw się zaloguj

Podobne zapisy