Não sou especialista em LASSO, mas aqui está minha opinião.
Primeira nota que o OLS é bastante robusto para violações de independência e normalidade. Então, julgando o Teorema 7 e a discussão acima no artigo Regressão Robusta e Lasso (por X. Huan, C. Caramanis e S. Mannor), acho que na regressão do LASSO estamos mais preocupados não com a distribuição de , mas na distribuição conjunta de . O teorema baseia-se na suposição de que é uma amostra, portanto, isso é comparável às suposições usuais do OLS. Mas o LASSO é menos restritivo, não restringe a ser gerado a partir do modelo linear.εi(yi,xi)(yi,xi)yi
Em resumo, a resposta para sua primeira pergunta é não. Não há premissas distributivas em , todas as premissas distributivas estão . Além disso, eles são mais fracos, pois no LASSO nada é postulado sobre a distribuição condicional .ε(y,X)(y|X)
Dito isto, a resposta para a segunda pergunta também é não. Como o não desempenha nenhum papel, não faz sentido analisá-los da maneira que você os analisa no OLS (testes de normalidade, heterocedasticidade, Durbin-Watson, etc.). No entanto, você deve analisá-los no contexto de quão bom o modelo foi adequado.ε