Bernoulli — Vol 29 Issue 3 · 2026-06-23¶

共 27 篇 · Bernoulli
目录核对 ⚠️ 疑似漏 7 篇（对照 OpenAlex 34 篇）：10.3150/22-bej1522、10.3150/22-bej1543、10.3150/22-bej1553、10.3150/22-bej1530、10.3150/22-bej1532 等

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

本期内容围绕假设检验与渐近理论、非参数与半参数推断、高维与随机矩阵以及随机过程与计算方法四条主线展开。假设检验方向集中探讨了相变现象与功效增强，涉及网络模型、高维序列及跳扩散过程等设定；非参数与半参数工作侧重于算子视角、自适应置信集与测量误差下的最优速率；高维与随机矩阵理论聚焦于典型相关分析的 BBP 相变与空间点过程的变量选择；此外，随机过程遍历性、Bootstrap 方法及 SPDE 参数估计等计算与理论交叉工作亦有覆盖。

假设检验与渐近理论是本期最突出的主线，核心关注检验统计量的相变、功效与渐近分布。针对网络数据，Power enhancement ... MMSBM 与 A probabilistic view ... latent space graphs 均揭示了检测问题的相变现象：前者在混合成员随机块模型下提出功效增强检验以识别社区结构，后者刻画了潜在几何结构可检测性的信息论边界。在高维检验方面，p-norm based tests 发现了一个反直觉的单调性结果，即高 \(p\) 值检验在一致性意义下严格占优于低 \(p\) 值检验；Cramér-type moderate deviation ... 则在多元二次型中建立了 \(1/n\) 速率的快速收敛界。针对复杂过程，LAN ... jump-diffusion 与 Bootstrap inference ... non-regular 分别在跳扩散过程和非正则估计量框架下建立了局部渐近正态性和 Bootstrap 有效性，为相关推断提供了效率基准。

非参数与半参数推断主线在算子理论、自适应推断与测量误差三个维度推进。Conditional quantiles: An operator-theoretical approach 将条件分位数视为非线性算子，系统推广了 Jensen 不等式与 Leibniz 法则，提供了统一的理论框架；Adaptive confidence sets ... Wasserstein distances 首次刻画了 Wasserstein 距离下自适应置信集存在的维数临界条件（\(d \le 4\)）。针对特定模型结构，Linear functional estimation ... multiplicative measurement error 利用 Mellin 变换与谱截断实现了乘性测量误差下的 Minimax 最优速率；Estimating ... Gaussian random fields 则在固定域渐近下解决了带 Nugget 随机场的参数估计问题。

对于关注因果推断与半参数效率的研究者，建议优先阅读 Bootstrap inference ... non-regular estimators，其局部渐近分析框架对处理因果推断中常见的边界与正则化问题具有直接参考价值；LAN ... jump-diffusion 提供了非标准设定下建立渐近有效性的通用技巧。关注高维统计与随机矩阵理论的读者可重点关注 Sample canonical correlation coefficients ... finite rank，该文将 BBP 相变推广至非高斯情形；Power enhancement ... MMSBM 与 A probabilistic view ... latent space graphs 则展示了高维网络推断中计算与统计检测边界的最新进展。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)¶

1. 10.3150/22-bej1525 · arXiv — Sample canonical correlation coefficients of high-dimensional random vectors with finite rank correlations¶

作者: Zongming Ma, Fan Yang
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 9/10 · novelty: new_theory
摘要: 在高维设定下研究两组随机向量的样本典型相关系数，假设总体仅有有限秩 r 的相关结构（即 r 个非平凡总体典型相关系数 t_1, ..., t_r）。核心发现是样本典型相关系数平方存在 BBP 相变现象：存在临界值 t_c ∈ (0,1)，当 t_i > t_c 时，对应的样本特征值 λ̃i 收敛到由 t_i 决定的确定性极限 θ_i ∈ (λ+, 1)；当 t_i < t_c 时，λ̃i 收敛到 Marchenko-Pastur 律的上边缘 λ+。本文将此前 Gaussian 假定下的结果推广到仅需四阶矩条件的普适情形，并处理了 t_i 退化或接近临界值的边界情况。证明技术依赖于随机矩阵的局部 Marchenko-Pastur 律、Riccati 方程分析以及四阶矩匹配的 universality 论证。对您研究高维渐近理论和 RMT 在统计推断中的应用有直接参考价值。
关键技术: random matrix theory, Marchenko-Pastur law, BBP phase transition, canonical correlation analysis, universality under moment conditions, local law
为什么对您有用: 直接连接到您 primary interest 中的 high-dimensional statistics 与 Random matrix theory。您武器库中的 high-dimensional asymptotics 与 minimax bounds for estimation problems 可用于分析基于样本典型相关系数的推断问题（如秩估计、假设检验）。本文的普适性结果意味着后续可考虑在更弱矩条件下构造典型相关系数的置信区间或假设检验——立即可做：用 very_familiar 的高维渐近工具验证其声称的 sharp threshold 是否紧，或探索 finite-rank correlation 的 minimax estimation rate。

非参数 / 半参数 (nonparam_semipara, 8 篇)¶

1. 10.3150/22-bej1540 · arXiv — Linear functional estimation under multiplicative measurement error¶

作者: Sergio Brenner Miguel, Fabienne Comte, Jan Johannes
期刊/来源: Bernoulli
机构: Heidelberg University · Université Paris Cité
分类: vol 29 · issue 3
相关性 8/10 · novelty: new_theory
摘要: 在乘性测量误差模型下，目标是基于 i.i.d. 样本估计未知密度函数 f 的线性泛函值，支撑集为 R+。作者提出 plug-in 估计方法：利用 Mellin 变换估计密度，并通过 spectral cut-off 正则化逆 Mellin 变换。估计精度由 Mellin 变换的衰减速度和线性泛函的光滑性共同决定；作者证明了在 Mellin-Sobolev 空间上，最优选择 cut-off 参数的估计量达到 minimax-optimal 收敛速率。数据驱动的 cut-off 选择基于 Goldenshluger-Lepski 方法，自适应估计的收敛速率至多损失一个对数因子。理论结果涵盖了密度的逐点估计、导数、Laplace 变换、生存函数、累积分布函数以及平均剩余寿命的逐点估计。对您有用：这是非参数逆问题与 minimax 理论的干净结合，技术路线可迁移到您熟悉的 inverse problems with random noise。
关键技术: Mellin transform, spectral cut-off regularization, Goldenshluger-Lepski method, minimax lower bounds, Mellin-Sobolev spaces, adaptive estimation
为什么对您有用: (1) 直接连接到您 primary interest 中的 nonparametric theory 和 inverse problems with random noise——乘性测量误差是一类经典的统计逆问题，Mellin 变换是处理 R+ 支撑的标准工具。(2) 您武器库中 very_familiar 的 minimax bounds for estimation problems 可以直接用来审视本文的 lower bound 证明策略，spectral cut-off 与您熟悉的正则化理论高度相通。(3) 立即可做：技术门槛低，用您已有的 nonparametric statistics 和 minimax theory 武器即可复现核心证明；若想拓展，可考虑将 HOIF 技术引入此设定以构造更高阶的估计量。

2. 10.3150/22-bej1535 · arXiv — On adaptive confidence sets for the Wasserstein distances¶

作者: Neil Deo, Thibault Randrianarisoa
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 8/10 · novelty: new_theory
摘要: 本文研究密度估计模型中 Wasserstein 距离下自适应置信集的构造问题。设定在 d 维环面或欧氏空间上，密度未知且属于 Besov 尺度。核心结果刻画了自适应置信集存在的充要条件：当 d ≤ 4 时，对任意正则性均可实现完全自适应；当 d > 4 时，仅当正则性位于宽度至少 d/(d-4) 的区间内才可适应。这与经典 L_p 范数理论中自适应窗口固定且与维度无关形成鲜明对比。对于允许自适应存在的配置，作者通过风险估计方法显式构造了置信区域，并以自适应估计量为中心。本文还扩展至 Sobolev 范数等弱损失。该工作是非参数自适应不确定性量化在 Wasserstein 距离上的首次系统处理，对您感兴趣的非参数统计推断和假设检验具有直接参考价值。
关键技术: Wasserstein distance, adaptive confidence sets, Besov scale, minimax estimation rate, risk estimation, weak losses
为什么对您有用: 本文属于非参数推断与假设检验的核心问题，直接连接您的 primary interest 中的非参数统计和 minimax bounds。您熟悉的 nonparametric statistics 和 minimax bounds 武器可立即用于理解维度依赖的充要条件，并探讨如何将类似自适应置信集方法推广到因果推断中的分布距离比较。因此，这是一个立即可做的方向。

3. 10.3150/22-bej1546 — Conditional quantiles: An operator-theoretical approach¶

作者: Luciano de Castro, Bruno N. Costa, Antonio F. Galvao, Jorge P. Zubelli
期刊/来源: Bernoulli
机构: University of Iowa · Instituto Nacional de Matemática Pura e Aplicada · Khalifa University of Science and Technology · Michigan State University
分类: vol 29 · issue 3
相关性 6/10 · novelty: new_theory
摘要: 本文从算子理论的角度研究条件分位数，将其视为非线性算子，系统推广了无条件分位数的经典性质。首先，针对任意σ-代数，定义τ-条件分位数随机集为优化问题的解集。然后，将平移不变性、共单调性和单调变换等变性推广至条件情形，并给出了条件分位数的Jensen不等式的简洁证明。进一步，研究了条件分位数算子在各种拓扑下的连续性，得到了新的Fatou引理以及Lp和弱连续性条件。还探讨了条件分位数的可微性，证明了单调函数和可分函数的Leibniz法则。最后，刻画了迭代分位数法则成立的最大随机变量集合，并研究了无穷复合条件分位数的性质。本文为分位数在非参数统计和计量经济学中的理论分析提供了统一的算子框架。
关键技术: conditional quantile operators, comonotonicity, Jensen inequality for quantiles, Fatou lemma for quantiles, Leibniz rule for quantiles, law of iterated quantiles
为什么对您有用: 本文直接关联到您的非参数与半参数理论兴趣，特别是条件分位数作为非参数回归和因果推断中常用工具的理论基础。您对minimax界和非参数统计非常熟悉，可以立即将本文的算子视角与现有的分位数估计方法（如分位数回归、分位数处理效应）联系起来，用于理解估计量的性质和边界。中期可进一步探索将本文的连续性、可微性结果应用于分位数估计的效率界推导。

4. 10.3150/22-bej1534 — Consistent and unbiased variable selection under indepedent features using Random Forest permutation importance¶

作者: Burim Ramosaj, Markus Pauly
期刊/来源: Bernoulli
机构: TU Dortmund University
分类: vol 29 · issue 3
相关性 5/10 · novelty: new_theory
摘要: 本文研究随机森林的排列重要性（permutation importance）在变量选择中的理论性质。在特征相互独立的假设下，作者证明了排列重要性估计是渐进无偏的，且在稍强的条件下具有一致性。这一结果为高维稀疏回归模型中基于随机森林的变量选择提供了理论保障。研究依赖于随机森林的分裂规则和排列过程，未涉及因果推断中的识别问题。模拟实验验证了理论发现。对于您而言，本文连接了非参数变量选择与假设检验（Primary interests中的hypothesis testing），但所用工具（随机森林渐近理论）不在您的武器库核心中，属于中期可做方向——需先熟悉随机森林的理论分析（moderately_familiar）。
关键技术: Random Forest permutation importance, asymptotic unbiasedness, consistency for variable selection, independent features assumption
为什么对您有用: 1. 本文属于非参数变量选择的理论分析，连接到您的primary interest中的hypothesis testing和非参数理论；2. 您武器库中的nonparametric statistics和minimax bounds可用于评估本文的一致性条件是否最优或可松弛，但随机森林特有的分裂机制需要额外学习；3. 中期可做：需先熟悉随机森林的理论分析（moderately_familiar），但目前无直接切入点进行立即可做的follow-up。

5. 10.3150/22-bej1551 — Estimating the parameters of some common Gaussian random fields with nugget under fixed-domain asymptotics¶

作者: Wei-Liem Loh, Saifei Sun
期刊/来源: Bernoulli
机构: National University of Singapore
分类: vol 29 · issue 3
相关性 4/10 · novelty: new_theory
摘要: 在固定域渐近框架下，考虑 [0,1)^d 上带测量误差（nugget）且观测点不规则分布的高斯随机场的参数估计问题。目标参数包括 nugget、光滑度参数以及与各向同性协方差函数主不规则项系数相关的参数，这三类参数在固定域框架下被证明是 microergodic 的。作者提出了基于 profile likelihood 和 pairwise likelihood 思想的估计量，并建立了收敛速率的上界。核心理论工具包括高斯过程的谱表示、协方差函数的 Fourier 分析以及固定域渐近下的 microergodicity 理论。模拟结果显示有限样本表现良好。对您研究高维统计与随机场理论交叉方向有参考价值。
关键技术: fixed-domain asymptotics, microergodic parameters, Matérn covariance, generalized Wendland covariance, nugget estimation, convergence rate bounds
为什么对您有用: 本文属于高维统计与随机场理论的交叉方向，涉及您 primary interest 中的 high-dimensional asymptotics。技术上，固定域渐近与您熟悉的高维渐近有方法论联系，但核心机器（高斯随机场的谱分析、microergodicity 理论）不在您当前武器库中。暂不可做：需要先补强随机场与空间统计的理论基础（如 Stein 的固定域渐近理论），才能深入这一方向。

6. 10.3150/22-bej1533 · arXiv — Local exchangeability¶

作者: Trevor Campbell, Saifuddin Syed, Chiao-Yu Yang, Michael I. Jordan, Tamara Broderick
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 3/10 · novelty: new_theory
摘要: 本文针对经典交换性假设在实际中过强的问题，提出了“局部交换性”（local exchangeability）这一松弛概念：当交换与邻近协变量相关的数据时，分布仅产生有界变化。核心贡献是证明了局部可交换过程等价于独立观测来自一个测度值随机过程，从而表明de Finetti表示定理对扰动是鲁棒的，为贝叶斯建模提供了进一步的理论依据。文中还研究了局部可交换过程在实数轴上的近似充分性和样本连续性性质，并用多种常见统计模型展示了局部交换性的适用性。对您而言，本文可直接连接您对非参数统计和数学统计的兴趣（特别是表示定理的鲁棒性），而且您熟悉的非参数工具（如经验过程、弱收敛）足以理解其关键论证，属于立即可做的理论阅读。
关键技术: local exchangeability, de Finetti's theorem, measure-valued stochastic process approximation, approximate sufficiency, sample continuity properties
为什么对您有用: 本文直接关联您非常熟悉的非参数统计和数学统计方向（交换性假设的推广），您可以用武器库中“nonparametric statistics”项下的弱收敛与经验过程工具深入理解其连续性性质与定理证明，属于立即可做的理论跟进。

7. 10.3150/22-bej1542 · arXiv — Harmonic analysis meets stationarity: A general framework for series expansions of special Gaussian processes¶

作者: Mohamed Ndaoud
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 2/10 · novelty: new_theory
摘要: 本文研究一类具有特定协方差结构的高斯过程的级数展开问题，目标是在均方和几乎一致收敛意义下获得收敛速率最优的展开式。核心方法是利用协方差函数的调和分析（harmonic analysis），通过谱表示和正交基构造级数展开，关键技术工具包括 Karhunen-Loève 型展开、分数 Brownian motion 的谱分析、以及余项的收敛速率刻画。主要理论结果是为分数 Brownian motion 给出了新的简单且速率最优的级数展开，并建立了适用于更广一类高斯过程的通用框架；最后应用于 functional quantization 问题。对您在非参数理论和高维渐近方面的兴趣有方法论参考价值，尤其是随机过程的谱展开技术。
关键技术: Karhunen-Loève expansion, harmonic analysis of covariance, fractional Brownian motion, spectral representation, functional quantization, rate-optimal convergence
为什么对您有用: 连接到非参数统计理论中随机过程的谱展开方法，以及您熟悉的高维渐近和 minimax rate 分析。您可以用 very_familiar 的 minimax bound 工具验证其声称的 rate-optimal 是否紧，或用 moderately_familiar 的 semiparametric theory 视角审视该展开框架在 semiparametric inference 中的潜在应用。中期可做：若想深入需先在 moderately_familiar 的 semiparametric theory 上补充随机过程谱展开的相关内容。

8. 10.3150/22-bej1531 · arXiv — Parameter estimation for semilinear SPDEs from local measurements¶

作者: Randolf Altmeyer, Igor Cialenco, Gregor Pasemann
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 2/10 · novelty: new_theory
摘要: 本文研究半线性随机偏微分方程（semilinear SPDEs）中扩散系数或漂移系数的参数估计问题，设定为在空间局部、有限时间区间内对解进行观测，关键正则性假设涉及解在 L^p 空间中的精细性质。核心方法是 Altmeyer & Reiss (2020) 提出的 augmented maximum likelihood estimator（AMLE），作者证明在满足可验证抽象条件的半线性 SPDE 下，该估计量仍保持原有的渐近性质（n^{-1/2}-CAN、渐近正态）。证明技术将解分解为线性部分与非线性部分，利用 L^p 正则性理论处理非线性项的影响；对随机 Burgers 方程这一边界情形，采用 Wiener chaos 展开进行专门处理。数值实验验证了理论结果。对您而言，这是 semiparametric theory 在无穷维随机动力系统中的有趣应用，展示了 MLE 在非标准设定下的稳健性。
关键技术: augmented maximum likelihood estimation, semilinear SPDEs, Wiener chaos expansion, L^p regularity theory, asymptotic normality, stochastic Burgers equation
为什么对您有用: (1) 连接到 semiparametric theory 这一 primary interest，展示了 MLE 在无穷维随机系统中的渐近理论如何建立。(2) 您的 very_familiar 武器库中 minimax bounds 和 high-dimensional asymptotics 可用于审视该估计量是否达到 semiparametric efficiency bound，以及 Wiener chaos 展开与 higher-order U-statistics 的潜在联系。(3) 中期可做：需先在 moderately_familiar 的 semiparametric theory 上加深对无穷维参数空间中 efficiency bound 的理解，方可评估其效率性质或拓展至非参数设定。

数理统计 / 假设检验 (hypothesis_testing, 9 篇)¶

1. 10.3150/22-bej1519 · arXiv — Power enhancement and phase transitions for global testing of the mixed membership stochastic block model¶

作者: Louis V. Cammarata, Zheng Tracy Ke
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 9/10 · novelty: new_theory
摘要: 在 MMSBM 框架下，目标是检验网络是否具有社区结构（K=1 vs K>1），关键假设是 membership 向量从标准单纯形上的分布中随机抽取。作者首先分析了 degree-based χ² 检验和 orthodox Signed Quadrilateral (oSQ) 检验的渐近零分布和功效，前者估计信号矩阵的二阶多项式，后者估计四阶多项式，但各自存在功效不满意的参数区域。为此提出 Power Enhancement (PE) 检验，通过组合两者优势获得可处理的零分布并提升功效。在随机化设定下，证明全局检验的成功由量 β_n(K,P,h) 主导，并定义了 optimal 和 optimally adaptive 的概念：PE 检验对所有 (K,P,h) 配置均 optimally adaptive，而现有方法仅对特定配置最优。对您有用：这是 hypothesis testing 与 high-dimensional asymptotics 的结合，涉及多项式统计量的渐近理论。
关键技术: global hypothesis testing, polynomial statistics of signal matrix, power enhancement test, asymptotic null distribution, optimally adaptive testing, mixed-membership stochastic block model
为什么对您有用: (1) 连接到 hypothesis testing 和 high-dimensional asymptotics 两个 primary interest 子方向，具体是网络模型下的全局检验问题。(2) 用 very_familiar 的 minimax bounds 和 high-dimensional asymptotics 武器可以验证其声称的 optimally adaptive 性质是否紧，或扩展到其他网络模型。(3) 立即可做：技术门槛在武器库范围内，可直接检验其 PE 检验在更弱假设下的表现或推广到非对称网络。

2. 10.3150/22-bej1552 · arXiv — Consistency of p-norm based tests in high dimensions: Characterization, monotonicity, domination¶

作者: Anders Bredahl Kock, David Preinerstorfer
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 8/10 · novelty: new_theory
摘要: 本文研究高维序列模型中基于 p-范数的检验统计量的 consistency set，原假设为均值全为零，参数空间无限制。核心贡献是完整刻画了 p-范数检验的 consistency set，证明其不能仅由替代假设的 p-范数决定，而依赖于更细致的序列结构。主要理论发现是一个反直觉的单调性结果：consistency set 关于 p ∈ (0, ∞) 严格单调递增，即高 p 值的检验在一致性意义下严格占优于低 p 值检验。基于此，作者构造了新的检验方法，在不损失 size 控制的前提下，其 consistency set 严格包含所有 p-范数检验的 consistency set。证明技术依赖于 Gaussian sequence model 中的精确概率计算和极限分析。对您有用：这是 hypothesis testing 在高维设定下的精细理论工作，与您 primary interest 中的 mathematical statistics (hypothesis testing) 直接相关。
关键技术: p-norm test statistics, consistency set characterization, Gaussian sequence model, test domination, asymptotic power analysis
为什么对您有用: 直接连接到您 primary interest 中的 hypothesis testing 方向，特别是高维设定下的检验理论。您武器库中的 minimax bounds for estimation problems 和 high-dimensional asymptotics 可以用来验证作者声称的 domination 结果是否紧，以及是否可以推广到其他检验统计量族。立即可做：用 very_familiar 的高维渐近理论工具可以验证和扩展这些结果。

3. 10.3150/22-bej1544 · arXiv — Local asymptotic normality for ergodic jump-diffusion processes via transition density approximation¶

作者: Teppei Ogihara, Yuma Uehara
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 7/10 · novelty: new_theory
摘要: 针对离散观测的 ergodic 跳扩散过程，论文证明了其统计模型满足局部渐近正态性（LAN），其中漂移系数、扩散系数和跳跃结构均被参数化。传统扩散过程依赖 Aronson 型转移密度估计，而跳跃过程不满足该性质，因此采用 Jeganathan 的 L2 正则性条件替代，并通过阈值技术构造高精度近似转移密度。从近似密度的 LAN 出发，进一步推导出真实模型的局部渐近混合正态性（LAMN）。基于 LAN 性质，证明了准最大似然估计和贝叶斯型估计的渐近有效性，并构造了渐近一致最优势检验。该工作为跳扩散过程的统计推断提供了理论效率基准，并展示了在非标准设定下建立最优性的通用技巧。对您而言，LAN 是效率理论的核心概念，这篇论文在复杂随机过程中的拓展对您的半参效率 bound 和假设检验研究有直接的理论启发。
关键技术: Local asymptotic normality (LAN), L2 regularity condition, Thresholding technique for transition density approximation, Local asymptotic mixed normality (LAMN), Quasi-maximum likelihood estimator, Asymptotically uniformly most powerful test
为什么对您有用: 本文直接关联您效率理论与假设检验的核心兴趣，LAN 性质是建立渐近有效性的基础工具。您武器库中的“semiparametric theory”可直接用于理解该结果在跳扩散模型中的结构，而“minimax bounds”技能可用于验证其声称的最优性是否紧。当前因您尚不熟悉跳扩散过程的随机分析细节（如阈值密度逼近技术），该工作属于中期可做范畴：建议先通过对 semiparametric theory（moderately_familiar）的深化掌握，再拓展至这类依赖时间序列的复杂模型。

4. 10.3150/22-bej1549 · arXiv — Cramér-type moderate deviation for quadratic forms with a fast rate¶

作者: Xiao Fang, Song-Hao Liu, Qi-Man Shao
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 7/10 · novelty: new_theory
摘要: 该论文研究多元独立同分布随机向量序列的二次型|Q^{1/2}W|（其中W为标准化和，Q为最大特征值1的正定矩阵）的尾部概率与正态二次型尾部概率的相对误差。在假设向量具有零均值、单位协方差和有限指数矩的条件下，作者建立了Cramér型中等偏差界。关键结果：当维度d≥5时，相对误差以1/n速率收敛（快于传统的1/√n），且偏差范围x可达到o(n^{1/6})；而低维情形（1≤d≤4）速率较慢。该结果在维度要求和偏差范围上均为最优。方法上采用新的测度变换，结合两阶Edgeworth展开和对称性消去技巧以消除1/√n阶项。这是首次将Cramér型中等偏差推广到多元二次型并取得快速收敛率。对研究者而言，该结果可直接用于中高维假设检验的精度分析，且所用Edgeworth展开与对称消去技术对进一步研究高阶U-统计量的中等偏差有借鉴价值。
关键技术: Cramér-type moderate deviation, change of measure, Edgeworth expansion, cancellation by symmetry, quadratic form tail approximation
为什么对您有用: 本文直接服务于数学统计与假设检验这一核心兴趣方向，为多元二次型检验统计量提供了精确的中等偏差界，可用于构造更紧的置信域。研究者具备的高维渐近和Edgeworth展开背景可立即理解并应用本文结果，同时其对称消去技巧或可迁移至更高阶U-统计量的中等偏差问题（需进一步学习）。因此本文值得仔细阅读，特别是对于想要提高假设检验渐近精度的方向。

5. 10.3150/22-bej1538 — Bootstrap inference for a class of non-regular estimators¶

作者: Mihai Giurcanu, Brett Presnell
期刊/来源: Bernoulli
机构: Chicago Department of Public Health · University of Chicago · University of Florida
分类: vol 29 · issue 3
相关性 6/10 · novelty: new_theory
摘要: 本文在一类非正则估计量（包括非负均值、平方均值、Hodges和Stein估计量）的框架下，研究非参数bootstrap的一致性及其局部渐近性质。该类估计量在任意赋范空间中定义，其非参数bootstrap在参数空间的几乎所有点上一致，但在边界的退化情形下方差估计错误导致不一致。作者通过允许参数以不同速率趋近边界，系统刻画了估计量及其bootstrap分布的极限行为，从而明确了m-out-of-n bootstrap和oracle bootstrap的补救机制。理论结果给出了局部渐近展开和收敛速率，模拟验证了有限样本表现。该工作为处理非正则估计量的统计推断提供了严格的渐近理论，尤其适用于因果推断中可能出现的边界参数或局部非正则问题，且m-out-of-n bootstrap可直接应用于您熟悉的非参数推断工具中。
关键技术: non-regular estimators, nonparametric bootstrap, m-out-of-n bootstrap, oracle bootstrap, local asymptotics
为什么对您有用: 本文直接对应您的主要兴趣——数学统计与假设检验，特别是非参数bootstrap在非正则估计中的一致性理论。您 very_familiar 武器库中的“非参数统计”可直接用于理解本文的局部渐近论证，并可进一步将m-out-of-n bootstrap应用于因果推断中因边界参数或弱识别导致的不规则问题。定性为立即可做：只需阅读并整合进现有非参数推断项目。

6. 10.3150/22-bej1545 · arXiv — A frequency domain bootstrap for general multivariate stationary processes¶

作者: Marco Meyer, Efstathios Paparoditis
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 5/10 · novelty: new_method
摘要: 本文研究多变量平稳时间序列的频域bootstrap方法。现有方法在多元情形下因四阶矩结构依赖而失效，即使假设线性性或对统计量标准化也无法解决。作者提出多变量频域混合bootstrap（MFHB），通过将周期图分解为独立同分布和依赖部分来近似其分布。在弱依赖条件下证明了MFHB对积分周期图统计量及其函数的渐近有效性。模拟研究比较了MFHB与移动块bootstrap的有限样本表现，显示MFHB的优越性。该工作为多元时间序列的频域推断提供了通用的bootstrap工具，对假设检验和置信区间构建有直接价值。对您而言，本文的渐近理论可与您熟悉的高维渐近分析对接，bootstrap思想也可迁移到其它依赖数据推断问题。
关键技术: multivariate frequency domain hybrid bootstrap (MFHB), integrated periodogram statistics, fourth-order moment structure, weak dependence conditions, moving block bootstrap
为什么对您有用: 本文属于mathematical statistics中假设检验的子方向，聚焦多元时间序列的bootstrap推断。您的very_familiar武器库中的'high-dimensional asymptotics'和'software development'可以直接用于评估MFHB在高维或非标准依赖结构下的表现，比如检查其弱依赖条件是否在面板数据或纵向因果推断中成立。follow-up粗判：中期可做，需先在moderately_familiar的'identification theory in causal inference'上长肌肉——具体是将MFHB的频域分解思想应用于因果推断中序列数据的敏感性分析。

7. 10.3150/22-bej1547 · arXiv — A probabilistic view of latent space graphs and phase transitions¶

作者: Suqi Liu, Miklós Z. Rácz
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 4/10 · novelty: new_theory
摘要: 本文研究含潜在几何结构的随机图模型，其中边概率由两个端点隐向量内积的单调递增函数决定。考虑一个单参数族，通过方差参数在随机点积图和Erdős–Rényi图之间平滑插值。核心问题是：当观测到一张图时，能否检测出潜在几何结构的存在？作者证明了检测问题的相变现象：当隐空间维度高或方差参数大时，图与同等密度的Erdős–Rényi图在信息论上不可区分；反之，存在一个计算可行的符号三角统计量（即三元组U统计量）足以区分二者。证明框架结合了信息论下界（Fano不等式、数据压缩）和高维集中不等式。该工作为图模型中的几何结构检测提供了严格的理论刻画，并揭示了统计可检测性与参数区域之间的精确边界。对研究者而言，本文直接连接其假设检验与高维统计兴趣，且三角统计量作为3阶U统计量，可进一步用树宽/张量收缩视角分析其计算效率。
关键技术: latent space graph, phase transition, signed triangle statistic, U-statistic, information-theoretic lower bound, concentration of measure
为什么对您有用: (1) 本研究直接对应您对假设检验和高维统计的兴趣，具体探讨随机图几何结构的可检测性相变，所用的三角统计量是三元组U统计量。 (2) 您非常熟悉higher-order U-statistics的树宽/张量收缩计算模型，可以立即用该视角分析本文三角统计量的统计量与计算成本之间的权衡，甚至推广到更高阶的环统计量。 (3) 立即可做：凭借您对U统计量的掌握，可扩展本文框架至更一般的子图计数检测问题，并利用einsum复杂度刻画计算瓶颈。

8. 10.3150/22-bej1520 · arXiv — Testing for linearity in boundary regression models with application to maximal life expectancies¶

作者: Jürgen Kampf, Alexander Meister
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 4/10 · novelty: new_method
摘要: 本文研究边界回归模型中的线性检验问题。在该模型中，回归误差几乎必然为负，因此回归函数对应于响应变量的支撑右端点而非条件期望。作者针对回归函数是否为 affine 函数的原假设，提出了两个拟合优度检验统计量。他们推导了检验统计量的渐近分布，从而可近似控制检验水平。通过数值模拟展示了有限样本下的检验表现。最后将方法应用于最大预期寿命数据，检验其长期趋势是否为线性。该工作与假设检验与非参数边界回归领域直接相关，对您关注的非参数理论与假设检验有参考价值。
关键技术: boundary regression model, goodness-of-fit test, asymptotic distribution theory, extreme value theory
为什么对您有用: 本文直接连接您对假设检验与非参数统计的兴趣，尤其涉及边界回归这一非标准回归模型。您可借助非常熟悉的非参数统计理论理解其方法构造，并尝试从minimax角度评估检验的势。由于边界回归依赖极值分布理论，您可能需要先在该方向上适度提升熟练度（中期可做）。

9. 10.3150/22-bej1541 — Compound Poisson disorder problem with uniformly distributed disorder time¶

作者: Cagin Uru, Savas Dayanik, Semih O. Sezer
期刊/来源: Bernoulli
机构: Duke University · Bilkent University · Sabancı Üniversitesi
分类: vol 29 · issue 3
相关性 3/10 · novelty: new_theory
摘要: 研究复合 Poisson 过程在未知、不可观测但服从均匀分布的 disorder time 处发生参数突变的最快检测问题，estimand 是使检测延迟与误报惩罚加权的 Bayes risk 最小的 stopping rule。核心机制是将信息流与硬时间 horizon 约束解耦，构造一个自治的时齐一维 Markov 过程（后验概率或似然比过程），将原问题转化为有限 horizon 上的最优停止问题，解是二维的（时间+状态）；对大 horizon 情形给出一维近似。扩展模型中若 horizon 结束时未报警，则进行第二层假设检验判断是否发生过 disorder。对您可能有用：这是 sequential analysis / optimal stopping 的经典问题，涉及连续时间 Markov 过程与变点检测的数学结构。
关键技术: optimal stopping theory, compound Poisson process, Bayesian change-point detection, Markov process construction, sequential hypothesis testing
为什么对您有用: 连接到 hypothesis testing 中的 sequential analysis / change-point detection 子方向。用 very_familiar 的 minimax bounds 视角可以审视其 Bayes optimality 与 minimax regret 之间的差距，或用 moderately_familiar 的 M-estimation theory 分析估计量性质。中期可做：需先在 moderately_familiar 的 M-estimation theory 或 sequential analysis 基础上补充连续时间最优停止理论（如 Snell envelope、free-boundary problem）才能动手做理论扩展。

统计计算 / 算法 (stat_computing, 1 篇)¶

1. 10.3150/22-bej1526 · arXiv — Ergodicity of supercritical SDEs driven by α-stable processes and heavy-tailed sampling¶

作者: Xiaolong Zhang, Xicheng Zhang
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 1/10 · novelty: new_theory
摘要: 本文研究由α-稳定过程驱动的超临界随机微分方程(SDE)的遍历性，其中漂移系数b和扩散系数σ满足局部γ-Hölder连续条件，且α∈(0,2)。在耗散性和非退化假设下，证明了半群P_t具有V-一致指数遍历性，关键工具是基于[33]的热核估计来建立强Feller性和不可约性。有趣的是，当α趋近0时，扩散系数σ的增长速度可以超过漂移b。作为应用，提出了一个新的重尾采样方案，可用于生成厚尾分布的样本。该工作为基于Lévy过程的MCMC方法提供了严格的收敛性理论基础，对统计计算中处理重尾分布的采样算法具有核心价值。
关键技术: α-stable processes, V-uniformly exponential ergodicity, strong Feller property, heat kernel estimates, heavy-tailed sampling, dissipative assumptions
为什么对您有用: 本文直接关联统计计算中的采样算法兴趣，尤其为重尾分布下的MCMC方法提供了遍历性保证。虽然研究者的武器库暂无随机过程遍历性理论深度工具（如热核估计和稳定过程专门工具），但可借助其在高维渐进理论和极小极大界方面的经验，评估该采样方案在重尾高维问题中的实际效率。目前暂不可做直接攻破，但可作为理解重尾采样理论门槛的入门读物。

经济理论 / 应用 (econ_theory, 1 篇)¶

1. 10.3150/22-bej1537 · arXiv — Multivariate self-exciting jump processes with applications to financial data¶

作者: Heidar Eyjolfsson, Dag Tjøstheim
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 4/10 · novelty: new_method
摘要: 本文提出了一类多元自激和互激跳跃过程（multivariate self-exciting jump processes），通过随机强度过程驱动，强度在每次事件发生时跳跃，且跳跃幅度可影响强度大小，区别于经典Hawkes过程仅计数事件。作者给出了过程不爆炸的稳定性条件，并详细讨论了线性子类的稳定性。将模型拟合至S&P 500和Nikkei 225指数的金融时间序列数据，发现非线性变体（非Hawkes型）拟合最佳。这一结果支持了危机时期跳跃聚集、平静期跳跃稀疏的观测结论。对您而言，该工作展示了非线性点过程在经济时间序列建模中的应用，可作为经济理论应用方向的入门实例。
关键技术: Multivariate self-exciting point processes, Stochastic intensity with jump magnitude, Stability conditions for point processes, Nonlinear Hawkes-like model, Financial time series modeling
为什么对您有用: 本文与经济理论应用（金融时间序列）直接相关，属于次要兴趣的经济理论子方向。您的武器库中的M-estimation理论可用于本文模型的参数估计和渐近分析，但本文未涉及高维或因果识别。follow-up粗判：暂不可做，因为核心工具（点过程渐近理论、Hawkes过程的极限定理）不在您的武器库中，需要先学习点过程的基础理论，才能进一步评判或拓展该模型。

其他 (other, 7 篇)¶

1. 10.3150/22-bej1523 · arXiv — Adaptive lasso and Dantzig selector for spatial point processes intensity estimation¶

作者: Achmad Choiruddin, Jean-François Coeurjolly, Frédérique Letué
期刊/来源: Bernoulli
机构: Sepuluh Nopember Institute of Technology · Institut de Recherches en Technologies et Sciences pour le Vivant
分类: vol 29 · issue 3
相关性 6/10 · novelty: new_method
摘要: 本文考虑空间点过程强度函数的高维协变量选择问题，将自适应Lasso和Dantzig选择器拓展到这一设定下。模型假设强度为协变量的指数线性形式，参数个数随期望数据点数增长（发散维度）。论文提出了自适应版本的估计量，设计了高效的坐标下降算法（对于Lasso）和线性规划算法（对于Dantzig选择器）。理论上证明了在适当的正则条件下，两种估计量具有变量选择和参数估计的一致性，并给出了收敛速度。模拟研究和真实数据分析（森林火灾数据）比较了两类方法的表现，自适应版本优于非自适应版本。本文对您的价值在于：它是一种在高维空间统计模型中实现变量选择的计算框架，与您熟悉的非参数、高维渐近和计算兴趣（统计计算中的算法）相关；但核心方法工具（Lasso、Dantzig选择器）并不在您的专长武器库中，属于经典高维回归范畴，而论文的设定（空间点过程）也与您的主要研究方向距离较远。
关键技术: adaptive lasso, Dantzig selector, spatial point process intensity estimation, diverging dimension, coordinate descent
为什么对您有用: 本文涉及的高维变量选择与您的高维统计兴趣方向有所交集，但具体模型（空间点过程）和工具（Lasso/Dantzig）并非您核心研究的因果推断或半参理论问题。若您希望拓宽统计计算中的算法实践，本文的坐标下降实现和发散维度渐近分析可作参考；但鉴于您对统计-计算权衡（信息-计算间隙）更感兴趣，而本文未涉及计算下的信息论界或低度多项式障碍，因此对您的直接研究帮助有限。综合判断：属于边缘相关性，暂不具备立即或中期可做的切入机会。

2. 10.3150/22-bej1536 · arXiv — A unified construction for series representations and finite approximations of completely random measures¶

作者: Juho Lee, Xenia Miscouridou, François Caron
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 5/10 · novelty: new_method
摘要: 完全随机测度(CRM)是贝叶斯非参数模型的重要构建块，广泛应用于聚类、密度估计、生存分析和网络科学等领域。除广义伽马过程和稳定贝塔过程等特例外，CRM的精确模拟和可扩展推断通常具有挑战性，因此有限维近似成为常用策略。本文提出一个统一框架，用于推导CRM的级数表示和有限维近似，该框架扩展了基于泊松点过程大小偏倚抽样的经典构造方法。此框架不仅囊括多种已知级数表示，还导出了新的表示，例如广义伽马过程和稳定贝塔过程的新级数表示。此外，文章提供了截断误差的理论分析。虽然该工作不直接涉及因果推断或高维统计，但其对CRM模拟和近似算法的系统处理，对统计计算中的数值方法设计具有参考价值。
关键技术: Completely Random Measures, Size-biased sampling, Poisson point process, Generalized gamma process, Stable beta process, Truncation error analysis
为什么对您有用: 该论文属于贝叶斯非参数方法，与您的主要兴趣（因果推断、高维统计、U统计量等）直接关联较弱。但您对统计计算（数值方法、算法）有兴趣，本文讨论的CRM模拟与有限近似框架可视为统计计算中的一个具体算法案例。您的武器库中“软件开发”能力可用于实现这些近似方法，但需要先补充贝叶斯非参数建模背景（当前缺乏）。因此，该论文作为入门读物有一定价值，但暂不可做实际攻坚。

3. 10.3150/22-bej1524 — Forward integration of bounded variation coefficients with respect to Hölder continuous processes¶

作者: Johanna Garzón, Jorge A. León, Soledad Torres
期刊/来源: Bernoulli
机构: Universidad Nacional de Colombia · Instituto Politécnico Nacional · Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional · University of Valparaíso
分类: vol 29 · issue 3
相关性 3/10 · novelty: new_theory
摘要: 本文研究Hölder指数大于1/2的连续随机过程Y的Russo-Vallois前向积分，被积函数形式为f(Y)，其中f为有界变差函数。核心结果是证明该前向积分与Zähle广义Stieltjes积分等价，从而在弱正则条件下统一两种积分框架。当Y为分数布朗运动时，进一步证明前向积分等于Malliavin散度算子加上一个迹项，该迹项与Y的局部时间有关。利用前向积分的定义，给出了具有不连续系数的前向随机微分方程的解的表示，并推导出若干显式解。主要理论贡献在于将前向积分的适用范围从连续可微系数扩展到有界变差系数，并建立了与已有积分概念的新联系。本文属于随机分析理论，而非您的核心兴趣领域。如果您未来涉及时序因果推断中连续时间过程的建模，本文可作背景参考。
关键技术: Russo-Vallois forward integral, generalized Stieltjes integral (Zähle), fractional Brownian motion, bounded variation functions, divergence operator (Malliavin calculus), local time
为什么对您有用: 本文与您的因果推断、高维统计等主要兴趣方向无直接交集。分数布朗运动等连续时间过程在纵向因果推断（如时序IV、Mediation）中偶有出现，可作背景扩充。技术武器库中缺乏随机积分或Malliavin微积分工具，暂不可做进一步应用。若未来您需处理连续时间随机过程的因果识别问题，建议先补充随机分析基础。

4. 10.3150/22-bej1528 · arXiv — Rates of convergence for the number of zeros of random trigonometric polynomials¶

作者: Laure Coutin, Liliana Peralta
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 2/10 · novelty: sharper_rate
摘要: 本文研究随机三角多项式（RTP）零点数分布向平稳高斯过程G（协方差为sinc函数）零点数分布的收敛速率。首先通过Donsker定理证明RTP在Wasserstein-1距离下以速率n^{-1/2}收敛到G。由于零点数非连续函数，作者利用Kac-Rice公式将零点数表达为积分极限，并用局部Lipschitz连续函数进行逼近，从而导出零点数分布的收敛速率。主要理论结果是：在适当条件下，RTP零点数的分布与G零点数的分布之间的Kolmogorov距离以速率n^{-1/2}收敛。该结果将已有文献中的定性收敛改进为定量收敛，给出了显式的界。对您而言，本文属于纯概率论与随机过程研究，与您的主要兴趣（因果推断、高维统计、U统计量等）无直接方法学重叠，但Kac-Rice公式在处理非光滑泛函的收敛速率时可能提供技术参考。
关键技术: Kac-Rice formula, Wasserstein-1 distance, Donsker theorem, local Lipschitz approximation
为什么对您有用: 本文主题与您的主要兴趣领域（因果推断、高维统计、半参数理论等）无直接关联，属于随机过程与概率论的专门方向。武器库中的核心工具（如高阶U统计量、非参数极小极大界）在此处难以直接应用。结论：暂不可做，因为解决此类问题需要掌握Kac-Rice公式和随机过程逼近的专门技巧，不在您当前技术武器库中；阅读全文的价值有限，除非您未来涉足谱分析或信号处理中的零点问题。

5. 10.3150/22-bej1550 · arXiv — Empirical approximation to invariant measures for McKean–Vlasov processes: Mean-field interaction vs self-interaction¶

作者: Kai Du, Yifan Jiang, Jinfeng Li
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 2/10 · novelty: new_theory
摘要: 本文研究McKean-Vlasov过程不变测度的经验近似。在单调性条件下，证明不变测度可由某些过程的加权经验测度逼近，这些过程包括分布依赖或经验测度依赖的随机微分方程的解。收敛性通过Wasserstein距离的上界刻画，并以平均场Ornstein-Uhlenbeck过程为例演示。属于随机过程与概率论领域的理论工作，与统计推断或因果推断无直接联系。
关键技术: McKean–Vlasov process, invariant measure, weighted empirical measure, Wasserstein distance, mean-field interaction
为什么对您有用: 本文纯概率论问题，不涉及因果推断、高维统计、半参理论或统计计算等研究者主要兴趣方向。武器库中无对应工具可用于此方向，研究价值与研究者工作无交叉，因此不推荐阅读。

6. 10.3150/22-bej1539 · arXiv — Moments and tails of hitting times of Bessel processes and convolutions of elementary mixtures of exponential distributions¶

作者: Witold M. Bednorz, RafaŁ M. Łochowski
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 2/10 · novelty: new_theory
摘要: 本文研究 Bessel 过程首中时的矩和尾部分布。首先给出左右尾部的显式估计，然后建立精确到通用乘法常数的尾部和矩估计。这些估计来自于对指数分布混合的卷积所建立的更一般的矩和尾部结果。方法是利用卷积的混合表示和特殊的概率变换。虽然本文是纯概率论的理论工作，与您的主要研究兴趣（因果推断、高维统计等）无直接关联，但其中的矩和尾部精确估计技术可能对理解高维统计中某些估计量的极端行为有间接启发。
关键技术: Bessel processes, hitting times, convolutions of elementary mixtures of exponential distributions, tail estimates, moment bounds
为什么对您有用: 本文研究内容（Bessel 过程首中时）属于随机过程理论，不在您列出的任何主要或次级兴趣中。武器库中缺少相关的随机过程工具，无法直接应用。此论文仅作为概率论参考，暂无 follow-up 价值。

7. 10.3150/22-bej1521 · arXiv — Power variations in fractional Sobolev spaces for a class of parabolic stochastic PDEs¶

作者: Carsten Chong, Robert C. Dalang
期刊/来源: Bernoulli
分类: vol 29 · issue 3
相关性 1/10 · novelty: new_theory
摘要: 本文考虑一类定义在有界域上的抛物型随机偏微分方程，包含随机热方程作为特例，但Laplacian算子替换为分数阶幂γ。目标是在分数阶Sobolev空间H_r中研究解的幂变差（power variation）的渐近行为。方法的核心是利用算子的谱分解将解展开为傅里叶级数，进而分析幂变差的期望和方差。文章发现两个临界区域：当r > -d/2时，归一化后的幂变差满足非退化的大数定律；当r < -d/2时，二次变差的极限退化为常数，且该常数由谱zeta函数显式给出（d=1且D为区间时退化为Riemann zeta函数）。对于高阶幂变差，也获得了类似的极限定理。虽然本文是纯SPDE理论，但其对无穷维统计量的变差分析手段与高阶U统计量的Hoeffding分解有可类比之处，值得参考。
关键技术: spectral decomposition, fractional Laplacian, Sobolev spaces, power variations, zeta function regularization, stochastic heat equation
为什么对您有用: 本文属于数学统计中的极限理论，与研究者主要兴趣的因果推断、高维统计等方向直接关联较弱。但文中对幂变差的展开与极限分析，其正交分量分解的思路与高阶U统计量的投影理论有深层相似性，可能启发研究者对U统计量收敛速度的谱刻画。然而，核心工具（分数阶Sobolev空间、谱zeta函数、随机积分）不在研究者的技术武器库中，现有武器（非参统计、高维渐近）只能提供最一般的背景理解。因此不值得深入精读，可作为了解SPDE变差分析的入门材料，但暂不可做后续延伸。

Maintained by 陈星宇 · Homepage · Source on GitHub