Sırt tipi cezalar ile kement tipi cezalar kullanarak tahmin yapmak arasında büyük bir fark vardır. Mahya tipi tahmin ediciler, tüm regresyon katsayılarını sıfıra doğru küçültme eğilimindedir ve eğilimlidir, ancak herhangi bir değişkeni tam sıfıra çekmedikleri için asimptotik dağılım türetmesi kolaydır. Sırt tahminlerindeki önyargı, sonraki hipotez testlerinin gerçekleştirilmesinde sorunlu olabilir, ancak ben bu konuda uzman değilim. Öte yandan, Kement / elastik-net tip cezalar birçok regresyon katsayısını sıfıra indirir ve bu nedenle model seçim teknikleri olarak görülebilir. Verilere dayanarak seçilen modellerde çıkarım yapma sorunu genellikle seçici çıkarım sorunu veya seçim sonrası çıkarım olarak adlandırılır. Bu alanda son yıllarda birçok gelişme görülmüştür.
y∼N(μ,1)μμ|y|>c>0cycy
Benzer şekilde, Kement (veya elastik ağ), örnek alanın seçilen modelin seçilmesini sağlayacak şekilde kısıtlar. Bu kesilme daha karmaşıktır, ancak analitik olarak tarif edilebilir.
Bu kavrayışa dayanarak, geçerli test istatistikleri elde etmek için verilerin kesik dağılımına dayanarak çıkarım yapılabilir. Güven aralıkları ve test istatistikleri için Lee ve arkadaşlarının çalışmalarına bakın:
http://projecteuclid.org/euclid.aos/1460381681
Yöntemleri R paket selectiveInference içinde uygulanır .
Model seçiminden sonra (kement için) tartışılan en uygun tahmin (ve test):
https://arxiv.org/abs/1705.09417
ve (çok daha az kapsamlı) yazılım paketlerini şu adreste bulabilirsiniz:
https://github.com/ammeir2/selectiveMLE