×
范建清;菲利普·里戈莱特;王伟晨

稀疏协方差矩阵泛函的估计。 （英语） Zbl 1327.62338号

Ann.统计。 43，第6号，2706-2737（2015）.
摘要：高维统计检验通常忽略相关性以获得简单性和稳定性，从而导致依赖于相关矩阵泛函（如其Frobenius范数和其他（ell_{r}）范数）的零分布。受这些测试临界值计算的启发，我们研究了估计稀疏相关矩阵泛函的困难。具体来说，我们证明了基于相关矩阵阈值估计的简单插件程序在一大类相关矩阵上是稀疏自适应的和极小极大最优的。与以往的函数估计结果一样，极大极小速率也表现出肘现象。我们的结果在模拟数据以及金融计量经济学数据的实证研究中得到了进一步说明。

引用于10文件

MSC公司：

62甲12 多元分析中的估计
62H15型 多元分析中的假设检验
62C20个 统计决策理论中的Minimax过程
62H25个 因子分析和主成分；对应分析

关键词：

协方差矩阵;函数估计;高维测试;极小极大值;肘部效应
PDF格式BibTeX公司 XML格式引用
\textit{J.Fan}等人，Ann.Stat.43，No.6，2706--2737（2015；Zbl 1327.62338）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Amini，A.A.和Wainwright，M.J.（2009年）。稀疏主成分半定松弛的高维分析。安。统计师。37 2877-2921. ·Zbl 1173.62049号 ·doi:10.1214/08-AOS664
[2] Arias-Castro，E.、Bubeck，S.和Lugosi，G.（2015）。检测多元样本中的正相关。伯努利21 209-241·Zbl 1359.62208号 ·doi:10.3150/13-BEJ565
[3] Bai，Z.和Saranadasa，H.（1996）。高维效应：以一个两样本问题为例。统计师。Sinica 6 311-329号·Zbl 0848.62030号
[4] Berthet，Q.和Rigollet，P.（2013a）。稀疏主成分检测的复杂性理论下限。J.马赫。学习。第30号决议1046-1066。
[5] Berthet，Q.和Rigollet，P.（2013b）。高维稀疏主成分的最优检测。安。统计师。41 1780-1815. ·Zbl 1277.62155号 ·doi:10.1214/13-AOS1127
[6] Bickel，P.J.和Levina，E.（2008a）。通过阈值进行协方差正则化。安。统计师。36 2577-2604. ·Zbl 1196.62062号 ·doi:10.1214/08-AOS600
[7] Bickel，P.J.和Levina，E.（2008b）。大协方差矩阵的正则化估计。安。统计师。36 199-227. ·Zbl 1132.62040号 ·doi:10.1214/0090536007000000758
[8] Bickel，P.J.和Ritov，Y.（1988年）。估计积分平方密度导数：夏普最佳收敛阶估计。SankhyāSer语。甲50 381-393·Zbl 0676.62037号
[9] Birnbaum，A.、Johnstone，I.M.、Nadler，B.和Paul，D.（2013）。含噪声高维数据的稀疏PCA的极小极大界。安。统计师。41 1055-1084. ·Zbl 1292.62071号 ·doi:10.1214/12-AOS1014
[10] Butuca，C.（2007年）。间接观测的优度检验和二次函数估计。安。统计师。35 1907-1930. ·兹比尔1126.62028 ·doi:10.1214/009053607000000118
[11] Butucea，C.和Meziani，K.（2011年）。反问题中的二次函数估计。统计方法。8 31-41. ·Zbl 1213.62134号 ·doi:10.1016/j.stamet.2010.05.002
[12] Cai，T.和Liu，W.（2011）。稀疏协方差矩阵估计的自适应阈值。J.艾默。统计师。协会106 672-684·Zbl 1232.62086号 ·doi:10.1198/jasa.2011.tm10560
[13] Cai，T.T.和Low，M.G.（2005）。二次函数的非二次估计。安。统计师。33 2930-2956. ·Zbl 1085.62055号 ·doi:10.1214/009053605000000147
[14] Cai，T.T.和Low，M.G.（2006）。二次函数的最优自适应估计。安。统计师。34 2298-2325. ·Zbl 1110.62048号 ·doi:10.1214/09053606000000849
[15] Cai，T.T.，Ma，Z.和Wu，Y.（2013）。稀疏PCA：最优速率和自适应估计。安。统计师。41 3074-3110. ·Zbl 1288.62099号 ·doi:10.1214/13-AOS1178
[16] Cai，T.、Ma，Z.和Wu，Y.（2015）。稀疏峰值协方差矩阵的最优估计和秩检测。普罗巴伯。理论相关领域161 781-815·Zbl 1314.62130号 ·doi:10.1007/s00440-014-0562-z
[17] Cai，T.T.，Ren，Z.和Zhou，H.H.（2013）。估计Toeplitz协方差矩阵的最佳收敛速度。普罗巴伯。理论相关领域156 101-143·Zbl 06176807号 ·doi:10.1007/s00440-012-0422-7
[18] Cai，T.T.和Yuan，M.（2012）。通过块阈值进行自适应协方差矩阵估计。安。统计师。40 2014-2042. ·Zbl 1257.62060号 ·doi:10.1214/12-AOS999
[19] Cai，T.T.，Zhang，C.-H.和Zhou，H.H.（2010）。协方差矩阵估计的最佳收敛速度。安。统计师。38 2118-2144. ·Zbl 1202.62073号 ·doi:10.1214/09-AOS752
[20] Cai，T.T.和Zhou，H.H.（2012）。范数下大协方差矩阵的Minimax估计。统计师。中国22 1319-1349·Zbl 1266.62036号
[21] Chen，S.X.和Qin，Y.-L.（2010）。高维数据的双样本测试及其在基因测试中的应用。安。统计师。38 808-835. ·Zbl 1183.62095号 ·doi:10.1214/09-AOS716
[22] Donoho，D.L.和Nussbaum，M.（1990年）。二次泛函的极小极大二次估计。J.复杂性6 290-323·兹比尔0724.62039 ·doi:10.1016/0885-064X（90）90025-9
[23] Efromovich，S.和Low，M.（1996）。二次泛函的最优自适应估计。安。统计师。24 1106-1125. ·兹比尔0865.62024 ·doi:10.1214/aos/1032526959
[24] El Karoui，N.（2008年）。大维稀疏协方差矩阵的算子范数一致估计。安。统计师。36 2717-2756. ·Zbl 1196.62064号 ·doi:10.1214/07-AOS559
[25] Fama，E.F.和French，K.R.（1993年）。股票和债券回报中的常见风险因素。《金融经济学杂志》33 3-56·Zbl 1131.91335号 ·doi:10.1016/0304-405X（93）90023-5
[26] Fan，J.（1991）。关于二次泛函的估计。安。统计师。19 1273-1294. ·Zbl 0729.62076号 ·doi:10.1214/aos/1176348249
[27] Fan，J.、Fan，Y.和Lv，J.（2008）。使用因子模型进行高维协方差矩阵估计。《计量经济学杂志》147 186-197·Zbl 1429.62185号 ·doi:10.1016/j.jeconom.2008.09.017
[28] Fan，J.、Liao，Y.和Mincheva，M.（2011）。近似因子模型中的高维协方差矩阵估计。安。统计师。39 3320-3356. ·Zbl 1246.62151号 ·doi:10.1214/11-AOS944
[29] Fan，J.、Liao，Y.和Mincheva，M.（2013）。通过阈值化主正交补码进行大协方差估计。J.R.Stat.Soc.系列。B.统计方法。75 603-680. ·doi:10.1111/rssb.12016
[30] Fan，J.、Rigollet，P.和Wang，W.（2015）。对“稀疏协方差矩阵泛函的估计”的补充·Zbl 1327.62338号 ·doi:10.1214/15-AOS1357
[31] Foucart，S.和Rauhut，H.（2013）。压缩传感数学导论。Birkhäuser/施普林格，纽约·Zbl 1315.94002号 ·doi:10.1007/978-0-8176-4948-7
[32] Hall，P.和Marron，J.S.（1987年）。积分平方密度导数的估计。统计师。普罗巴伯。莱特。6 109-115. ·Zbl 0628.62029号 ·doi:10.1016/0167-7152（87）90083-6
[33] Ibragimov，I.A.、Nemirovski，A.S.和Khas-minski，R.Z.（1987）。高斯白噪声中非参数估计的若干问题。理论问题。申请。31 391-406. ·兹比尔062362028
[34] Johnstone，I.M.和Lu，A.Y.（2009年）。高维主成分分析的一致性和稀疏性。J.艾默。统计师。协会104 682-693·Zbl 1388.62174号 ·doi:10.1198/jasa.2009.0121
[35] Jung，S.和Marron，J.S.（2009年）。PCA在高维、低样本量环境中的一致性。安。统计师。37 4104-4130. ·Zbl 1191.62108号 ·doi:10.1214/09-AOS709
[36] Klemelä，J.（2006）。二次泛函的尖锐自适应估计。普罗巴伯。理论相关领域134 539-564·Zbl 1082.62032号 ·doi:10.1007/s00440-005-0447-2
[37] Lam，C.和Fan，J.（2009年）。大协方差矩阵估计中的稀疏性和收敛速度。安。统计师。37 4254-4278. ·Zbl 1191.62101号 ·doi:10.1214/09-AOS720
[38] Levina，E.和Vershynin，R.（2012年）。协方差矩阵的部分估计。普罗巴伯。理论相关领域153 405-419·Zbl 1318.62179号 ·doi:10.1007/s00440-011-0349-4
[39] Lintner，J.（1965）。风险资产的估值以及股票投资组合和资本预算中风险投资的选择。《经济学和统计学评论》47 13-37。
[40] Ma，Z.（2013）。稀疏主成分分析和迭代阈值。安。统计师。41 772-801. ·Zbl 1267.62074号 ·doi:10.1214/13-AOS1097
[41] Mossin，J.（1966年）。资本资产市场的均衡。《计量经济学》34 768-783。
[42] Nemirovski，A.（2000年）。非参数统计学主题。在《概率论和统计学讲座》（Saint-Flour，1998）中。数学课堂笔记。1738 85-277. 柏林施普林格·Zbl 0998.62033号 ·doi:10.1007/BFb0106703
[43] Nemirovski，A.S.和Khas-minski，R.Z.（1987）。白噪声中观测到的信号乘积泛函的非参数估计。Problemy Peredachi Informatsii问题23 27-38。
[44] Onatski，A.、Moreira，M.J.和Hallin，M.（2013）。高维数据球形度测试的渐近能力。安。统计师。41 1204-1231. ·Zbl 1293.62125号 ·doi:10.1214/13-AOS1100
[45] Paul，D.和Johnstone，I.M.（2012年）。高维数据的增强稀疏主成分分析。可从获取。arXiv:1202.1242v1
[46] Pesaran，M.H.和Yamagata，T.（2012年）。使用大量资产测试capm。IZA讨论文件6469，劳工研究所。
[47] Ravikumar，P.、Wainwright，M.J.、Raskutti，G.和Yu，B.（2011年）。通过最小化\（\ell_｛1｝\）惩罚对数行列式发散的高维协方差估计。电子。《美国联邦法律大全》第5卷第935-980页·Zbl 1274.62190号 ·doi:10.1214/11-EJS631
[48] Rigollet，P.和Tsybakov，A.B.（2012年）。注释：“在\（\ell_｛1｝\）-范数下大协方差矩阵的极大极小估计”[MR3027084]。统计师。Sinica公元22 1358-1367年·Zbl 1295.62057号
[49] Rothman，A.J.、Levina，E.和Zhu，J.（2009）。大协方差矩阵的广义阈值。J.艾默。统计师。协会104 177-186·Zbl 1388.62170号 ·doi:10.1198/jasa.2009.0101
[50] 夏普，W.F.（1964）。资本资产价格：风险条件下的市场均衡理论。《金融杂志》19 425-442。
[51] Srivastava，M.S.和Du，M.（2008年）。对观测值少于维数的平均向量的测试。《多元分析杂志》。99 386-402. ·Zbl 1148.62042号 ·doi:10.1016/j.jmva.2006.11.002
[52] Tsybakov，A.B.（2009年）。非参数估计简介。纽约州施普林格·Zbl 1176.62032号
[53] Verzelen，N.（2012年）。稀疏回归的极大极小风险：超高维现象。电子。《美国联邦法律大全》第6卷第38-90页·Zbl 1334.62120号 ·doi:10.1214/12-EJS666
[54] Vu，V.和Lei，J.（2012）。高维稀疏PCA的最小最大估计率。2012年4月21日至23日，第十五届国际人工智能与统计会议记录，JMLR W&CP 22 1278-1286。
[55] Zou，H.、Hastie，T.和Tibshirani，R.（2006）。稀疏主成分分析。J.计算。图表。统计师。15 265-286. ·doi:10.1198/106186006X113430
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。