최소패널티 기반 데이터 구동 회귀 패널티 보정

본 논문은 최소제곱 회귀 모델 선택에서 패널티 곱셈 상수 K의 최적값을 데이터만으로 추정하는 새로운 방법론을 제시한다. 전통적인 AIC, Mallows Cp 등은 K가 고정되거나 사전에 알려진 잡음 분산 σ²에 의존한다는 한계가 있다. Birgé와 Massart(2007)는 가우시안·동질분산 상황에서 최소패널티 K_min을 정의하고, 최적 패널티는 K_opt = 2 K_min이라는 슬로프 휴리스틱을 제안했지만, 그 적용 범위는 제한적이었다. 저자들은 이 접근을 크게 확장한다. 첫째, 회귀 모델을 임의의 설계와 이질분산·비가우시안 오류까지 포함하도록 일반화한다. 관측 모델 Y_i = s(X_i)+σ(X_i)ε_i 로 가정하고, ε_i는 평균 0, 분산 1인 독립 잡음이며 σ(·)는 위치에 따라 변할 수 있다. 위험을 Pγ(t) = E