glmnet을 사용하여 올가미의 결과를 제시하는 방법?

30 개의 독립 변수 세트에서 연속 종속 변수에 대한 예측 변수를 찾고 싶습니다. R 의 glmnet 패키지에 구현 된대로 Lasso 회귀를 사용하고 있습니다. 더미 코드는 다음과 같습니다.

# generate a dummy dataset with 30 predictors (10 useful & 20 useless) 
y=rnorm(100)
x1=matrix(rnorm(100*20),100,20)
x2=matrix(y+rnorm(100*10),100,10)
x=cbind(x1,x2)

# use crossvalidation to find the best lambda
library(glmnet)
cv <- cv.glmnet(x,y,alpha=1,nfolds=10)
l <- cv$lambda.min
alpha=1

# fit the model
fits <- glmnet( x, y, family="gaussian", alpha=alpha, nlambda=100)
res <- predict(fits, s=l, type="coefficients")
res 

내 질문은 출력을 해석하는 방법입니다.

• 최종 출력에서 ​​0과 다른 계수를 나타내는 모든 예측 변수가 종속 변수와 관련이 있다고 말하는 것이 맞습니까?

• 저널 출판의 맥락에서 충분한 보고서가 될 것입니까? 아니면 계수의 중요성에 대한 검정 통계량을 제공 할 것으로 예상됩니까? (상황은 인간 유전학이다)

• 유의성을 주장하기 위해 p- 값 또는 기타 검정 통계량을 계산하는 것이 합리적입니까? 어떻게 가능할까요? 절차는 R로 구현 되었습니까?

• 모든 예측 변수에 대한 간단한 회귀 그림 (선형 적합도로 그려진 데이터 점)이이 데이터를 시각화하는 데 적합한 방법입니까?

• 어쩌면 누군가가 실제 데이터의 맥락에서 올가미를 사용하는 방법과 저널에 이것을보고하는 방법을 보여주는 출판 기사의 쉬운 예를 제공 할 수 있습니까?

내 이해는 계수가 0이 아닌지 여부에 따라 어떤 변수가 "중요"하거나 "실제"영향을 미치는지에 대해 많은 것을 말할 수는 없다는 것입니다. 극단적 인 예를 들기 위해 완벽하게 공선 인 예측 변수가 두 개인 경우 올가미는 본질적으로 전체 가중치를 얻기 위해 무작위로 하나를 선택하고 다른 하나는 가중치가 0이됩니다.

glmnet의 저자 중 한 명을 포함하는 이 논문 은 일부 glmnet 기반 분석을 제공합니다 (특히 소개, 섹션 2.3 및 4.3, 표 4 및 5 참조). 이를 통해 glmnet 모델에서 직접 P- 값을 계산하지 않은 것처럼 보입니다. 그들은 다른 방법을 사용하여 두 가지 다른 종류의 P- 값을 계산했지만 그중 하나를 완전히 신뢰하는 것처럼 보이지 않습니다.

플로팅 방법과 관련하여 제안하는 내용을 100 % 확신 할 수는 없지만 합리적이라고 생각합니다.

희망이 도움이됩니다.

방금 LASSO에 대한 테스트 통계를 개발하려는 최근의 작업이 있음을 지적하고 싶었습니다.이 기능은 수행중인 기능 선택을 고려합니다.

올가미에 대한 유의성 검정. Richard Lockhart, Jonathan Taylor, Ryan J. Tibshirani, Robert Tibshirani. http://arxiv.org/abs/1301.7161

부트 스트랩이 확실히 사용되는 반면, 나는 이것이 적용된 작업에서 아직 사용 된 것을 보지 못했습니다.

LASSO 또는 탄력적 순 모델에 대한 추론과 관련하여 CRAN 패키지 selectiveInference 및 hdi를 살펴보면 변수 선택 단계를 고려하면서 정확하게 수행합니다!