Buchumschlag

Root-n consistent semiparametric learning with high-dimensional nuisance functions under minimal sparsity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Lin, Wang, Xinbo, Wang, Yuhao
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Statistics Theory Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The costs and benefits of uniformly valid causal inference with high-dimensional nuisance parameters
von: Moosavi, Niloofar, et al.
Veröffentlicht: (2021)

Latent confounding in high-dimensional nonlinear models
von: Wang, Yuhao, et al.
Veröffentlicht: (2025)

Efficient estimation and data fusion under general semiparametric restrictions on outcome mean functions
von: Li, Harrison H.
Veröffentlicht: (2024)

Debiased regression adjustment in completely randomized experiments with moderately high-dimensional covariates
von: Lu, Xin, et al.
Veröffentlicht: (2023)

A semiparametric autorregresive spatial prediction model
von: Arancibia, Rodrigo García, et al.
Veröffentlicht: (2026)

Simultaneous semiparametric inference for single-index models
von: Tang, Jiajun, et al.
Veröffentlicht: (2024)

Inference in semiparametric formation models for directed networks
von: Qu, Lianqiang, et al.
Veröffentlicht: (2024)

An autocovariance-based learning framework for high-dimensional functional time series
von: Chang, Jinyuan, et al.
Veröffentlicht: (2020)

Optimization-centric cutting feedback for semiparametric models
von: Tan, Linda S. L., et al.
Veröffentlicht: (2025)

The CATT SATT on the MATT: semiparametric inference for sample treatment effects on the treated
von: Yiu, Andrew
Veröffentlicht: (2024)

Covariate Adjustment in Randomized Experiments Motivated by Higher-Order Influence Functions
von: Zhao, Sihui, et al.
Veröffentlicht: (2024)

Sparse semiparametric regression when predictors are mixture of functional and high-dimensional variables
von: Novo, Silvia, et al.
Veröffentlicht: (2024)

Asymptotics for estimating a diverging number of parameters -- with and without sparsity
von: Gauss, Jana, et al.
Veröffentlicht: (2024)

Adaptive L-statistics for high dimensional test problem
von: Ma, Huifang, et al.
Veröffentlicht: (2024)

Spectral analysis of high-dimensional spot volatility matrix with applications
von: Liu, Qiang, et al.
Veröffentlicht: (2025)

On (in)consistency of M-estimators under contamination
von: Klooster, Jens, et al.
Veröffentlicht: (2025)

Modeling group heterogeneity in spatio-temporal data via physics-informed semiparametric regression
von: De Sanctis, Marco F., et al.
Veröffentlicht: (2025)

Monte Carlo inference for semiparametric Bayesian regression
von: Kowal, Daniel R., et al.
Veröffentlicht: (2023)

On the modelling and prediction of high-dimensional functional time series
von: Chang, Jinyuan, et al.
Veröffentlicht: (2024)

Asymptotic Theory of the Best-Choice Rerandomization using the Mahalanobis Distance
von: Wang, Yuhao, et al.
Veröffentlicht: (2023)

Rerandomization for quantile treatment effects
von: Han, Tingxuan, et al.
Veröffentlicht: (2026)

Weight-calibrated estimation for factor models of high-dimensional time series
von: Qiao, Xinghao, et al.
Veröffentlicht: (2025)

Optimal covariance matrix estimation for high-dimensional noise in high-frequency data
von: Chang, Jinyuan, et al.
Veröffentlicht: (2018)

Residual permutation test for regression coefficient testing
von: Wen, Kaiyue, et al.
Veröffentlicht: (2022)

Robust mean change point testing in high-dimensional data with heavy tails
von: Li, Mengchu, et al.
Veröffentlicht: (2023)

Debiased Inverse Propensity Score Weighting for Estimation of Average Treatment Effects with High-Dimensional Confounders
von: Wang, Yuhao, et al.
Veröffentlicht: (2020)

Assumption-lean covariate adjustment under covariate adaptive randomization when $p = o (n)$
von: Gu, Yujia, et al.
Veröffentlicht: (2025)

A multivariate extension of Azadkia-Chatterjee's rank coefficient
von: Huang, Wenjie, et al.
Veröffentlicht: (2025)

Estimation and inference for minimizer and minimum of convex functions: optimality, adaptivity and uncertainty principles
von: Cai, T. Tony, et al.
Veröffentlicht: (2023)

Efficient estimation of parameters in marginals in semiparametric multivariate models
von: Medovikov, Ivan, et al.
Veröffentlicht: (2024)

Statistical inference for high-dimensional spectral density matrix
von: Chang, Jinyuan, et al.
Veröffentlicht: (2022)

Two-Stage Testing in a high dimensional setting
von: Jonker, Marianne A, et al.
Veröffentlicht: (2024)

Permutation Inference under Multi-way Clustering and Missing Data
von: Guo, Wenxuan, et al.
Veröffentlicht: (2026)

Debiased Inference for High-Dimensional Regression Models Based on Profile M-Estimation
von: Wang, Yi, et al.
Veröffentlicht: (2025)

False discovery proportion envelopes with m-consistency
von: Meah, Iqraa, et al.
Veröffentlicht: (2023)

Testing independence in the presence of missing data: high-dimensional case
von: Cuparić, Marija, et al.
Veröffentlicht: (2026)

Empirical Bayes inference in sparse high-dimensional generalized linear models
von: Tang, Yiqi, et al.
Veröffentlicht: (2023)

A nonparametric test of spherical symmetry applicable to high dimensional data
von: Banerjee, Bilol, et al.
Veröffentlicht: (2024)

Dimension estimation in PCA model using high-dimensional data augmentation
von: Radojicic, Una, et al.
Veröffentlicht: (2025)

Uncertainty of high-dimensional genetic data prediction with polygenic risk scores
von: Fu, Haoxuan, et al.
Veröffentlicht: (2024)