由于 Lasso 选择了要包含在模型中的最佳预测变量，这是否表明我们不需要进行 OLS 回归和逻辑回归附带的任何典型显着性检验？我已经习惯了每个回归器的带有星号的 R 输出，但是从与人的交谈来看，在实践中，他们似乎只是在 Lasso 中优化 lambda，然后只使用这些系数 - 并隐含假设所有这些都是重要的。
Lasso 是否不需要进行系数显着性检验？
机器算法验证
r
回归
假设检验
模型选择
套索
2022-03-26 14:57:01
1个回答
总结评论中提供的信息：
Lasso 选择要包含在模型中的最佳预测变量...
不会。LASSO 会选择一组恰好适用于特定数据集的预测变量。不能保证它们在任何广义上都是“最佳的”。当与结果相关的预测因子相关时，情况尤其如此。有关详细信息，请参阅此页面以及标记为“链接”和“相关”的页面。尝试在数据集的多个自举样本上重复 LASSO，并查看模型中保留相同预测变量的频率。
...我们不需要做任何典型的 OLS 回归和逻辑回归带来的显着性检验
首先，如果您主要对预测感兴趣，那么进行显着性检验的需求有限。考虑到遗漏变量偏差的风险，除非您有过度拟合模型的风险，否则我忽略任何可能与结果合理相关的预测变量几乎没有什么好处。仅仅因为您无法在 p < 0.05 时“证明”某个预测因子与结果相关，但这并不意味着它无助于改进预测。
其次，通过适当注意和理解 p 值的含义，可以使用 LASSO 进行推断。有关问题的介绍和更多链接，请参阅此页面。