Novas Aquisições - Statistics for High-Dimensional Data- Methods, Theory and Applications. Peter Bühlmann e Sara van de Geer.

Esse é um manual dedicado quase que exclusivamente as propriedades teóricas de estimadores que são aplicados quando o número de parâmetros é maior (muito) que o número de observações, em especial o uso de estimadores LASSO (Least Absolute Shrinkage and Selection Operator). Embora o livro apresente algumas aplicações, o foco é nas propriedades teóricas do Lasso em diversos contextos (regressão, modelos lineares generalizados, modelos aditivos, estrutura de grupos,  etc).  O livro também exige um bom conhecimento do método, e um background razoável em análise funcional e otimização.  Não é um livro introdutório ao assunto, especialmente para economistas.

Neste caso uma excelente introdução é o artigo "Inference Methods for High-Dimensional Sparse Econometric Models", 2011, Advances in Economics & Econometrics, , Chernozukhoiv, V.,   A. Belloni & C. Hansen e especialmente o artigo "Convex Optimization in R", Roger Koenker. Meu favorito nessa literatura é o "The Dantzig selector: statistical estimation when p is much larger than n" Emmanuel Candes and Terence Tao,  Ann. Statist. Volume 35, Number 6 (2007), que é um artigos mais claros já escritos  em estatística.