Я не эксперт по LASSO, но вот мое мнение.
Прежде всего обратите внимание, что OLS довольно устойчив к нарушениям независимости и нормальности. Затем, исходя из теоремы 7 и приведенного выше обсуждения в статье « Робастная регрессия и лассо» (X. Хуан, С. Караманис и С. Маннор), я предполагаю, что в регрессии LASSO нас больше волнует не распределение , но в совместном распределении . Теорема основана на предположении, что является выборкой, так что это сравнимо с обычными допущениями OLS. Но LASSO менее ограничен, он не ограничивает создание из линейной модели.εя( уя, хя)( уя, хя)Yя
Подводя итог, ответ на ваш первый вопрос - нет. На нет распределительных предположений , все распределительные предположения на . Кроме того, они слабее, поскольку в LASSO нет постулата об условном распределении .ε( у, X)( у| Икс)
Сказав это, ответ на второй вопрос также нет. Поскольку не играет никакой роли, нет смысла анализировать их так, как вы анализируете их в OLS (тесты нормальности, гетероскедастичность, Дурбин-Ватсон и т. Д.). Однако вы должны проанализировать их в контексте того, насколько хорошо подходила модель.ε