×
阿里斯蒂迪斯·K·尼古卢普洛斯。

高维正态copula回归模型的有效可行推理。 （英语） Zbl 07708462号

计算。统计数据分析。 179，文章ID 107654，13 p.（2023）.
摘要：复合似然（CL）是用于估计具有离散响应的高维多元正态（MVN）copula模型的计算方法之一。作为替代似然法，其计算优势在于基于单变量边际回归和非回归参数的独立似然以及相关参数的成对似然。然而，CL方法估计单变量回归和非回归边际参数的效率可能很低。对于高维离散响应，提出了复合似然估计方程的加权形式和确定良好权重矩阵的迭代方法。将通用方法应用于以单变量序数回归作为边缘的MVN copula。效率计算表明，该方法几乎与完全指定的MVN copula模型的最大似然法一样有效。插图包括关于带有协变量的纵向（低维）和时间（高维）序列有序响应数据的模拟和实际数据应用。我们的研究表明，通过加权CL方法可以显著提高效率。

MSC公司：

62-08 统计问题的计算方法

关键词：

复合似然;离散时间序列;估计方程;有序probit/logistic回归;多元probit

软件：

根求解（RootSolve）;加权CL;bfa公司;全球气候变化监测;加权分数;Copula模型;mprobit公司;BB公司
PDF格式BibTeX公司 XML格式引用
\textit{A.K.Nikoloulopoulos}，计算。统计数据分析。179，文章ID 107654，第13页（2023；Zbl 07708462）
全文： DOI程序 arXiv公司
OA许可证

参考文献：

[1] Agresti，A.，《有序分类数据分析》（2010），John Wiley&Sons·Zbl 1263.62007年
[2] Alexopoulos，A。；Bottolo，L.，高斯copula回归模型的贝叶斯变量选择，J.Compute。图表。统计，30，3，578-593（2021）·Zbl 07499903号
[3] 阿什福德，J.R。；Sowden，R.R.，多元概率分析，生物统计学，26535-546（1970）
[4] 庞巴迪公司。；Ware，J.H。；Russell，I.J.，奥拉诺芬治疗与类风湿关节炎患者的生活质量，《美国医学杂志》，81，565-578（1986）
[5] 卡梅隆。；Trivedi，P.K.，《计数数据的回归分析》（1998），剑桥大学出版社·Zbl 0924.62004号
[6] Chaganty，N.R.，《由于GEE中相关结构的错误规定而导致的效率损失》，（第51届会议，国际统计研究所，第2卷）。程序。第51届议会。国际统计学会，第2卷，伊斯坦布尔（1997），国际统计学会：沃尔堡国际统计学会），127-128
[7] 查甘蒂，N.R。；Joe，H.，二进制响应广义估计方程的效率，J.R.Stat.Soc.，Ser。B、 66、851-860（2004）·Zbl 1059.62076号
[8] 福基阿诺斯，K。；Kedem，B.，分类时间序列的回归理论，统计科学。，18, 3, 357-376 (2003) ·兹比尔1055.62095
[9] Godambe，V.P.，《估算函数》（1991），牛津大学出版社：牛津大学出版社·Zbl 0745.00006号
[10] 豪斯曼，J。；Wise，D.，《定性选择的条件概率模型：识别相互依赖和异质偏好的离散决策》，《计量经济学》，45，319-339（1978）·Zbl 0376.90005号
[11] 何毅。；张，X。；张，L.，高维高斯copula回归模型的变量选择：自适应假设检验程序，计算。统计数据分析。，124, 132-150 (2018) ·Zbl 1469.62078号
[12] Henn，L.L.，离散数据高斯copula回归模型贝叶斯推理三种方法的局限性和性能，计算。统计，2909-946（2022）·Zbl 1505.62186号
[13] Joe，H.，基于条件期望的多元正态矩形概率近似，美国统计协会，90，431，957-964（1995）·兹比尔0843.62016
[14] Joe，H.，多元模型和依赖概念（1997），查普曼和霍尔：查普曼&霍尔伦敦·Zbl 0990.62517号
[15] Joe，H.，《使用Copulas进行依赖建模》（2014），查普曼和霍尔：查普曼与霍尔伦敦·Zbl 1346.62001号
[16] Joe，H。；周立伟（Chou，L.W.）。；Zhang，H.，mprobit：二元/有序反应的多变量probit模型（2011），对包版本0.9-3
[17] 约翰逊，N.L。；Kotz，S.，《连续多元分布》（1972），威利出版社：威利纽约·Zbl 0248.62021号
[18] 李，J。；诺特·D。；范，Y。；Sisson，S.，通过高斯copula模型将近似贝叶斯计算方法扩展到高维，计算。统计数据分析。，106, 77-89 (2017) ·Zbl 1466.62136号
[19] Liang，K.Y。；Zeger，S.L.，使用广义线性模型进行纵向数据分析，Biometrika，73，13-22（1986）·Zbl 0595.62110号
[20] Masarotto，G。；Varin，C.，高斯copula边缘回归，电子。《美国法律总汇》第6157-1549页（2012年）·Zbl 1336.62152号
[21] J.S.穆雷。；邓森，D.B。；卡林，L。；Lucas，J.E.，混合数据的贝叶斯-高斯copula因子模型，美国统计协会，108，502，656-665（2013）·Zbl 06195968号
[22] Muthén，B.，对二分变量因子分析的贡献，《心理测量学》，43，551-560（1978）·Zbl 0394.62042号
[23] Nikoloulopoulos，A.K.，《基于Copula的多元离散响应数据模型》，（Durante，F.；Härdle，W.；Jaworski，P.，《数学与定量金融中的Copulae》，第213卷（2013），施普林格：施普林格柏林，海德堡），231-249·Zbl 06210183号
[24] Nikoloulopoulos，A.K.，《关于使用连续扩展和模拟似然估计正态copula离散回归模型》，J.Stat.Plan。推理，1431923-1937（2013）·Zbl 1279.62116号
[25] Nikoloulopoulos，A.K.，《基于复合似然信息标准的广义估计方程中的相关结构和变量选择》，Stat.Med.，35，2377-2390（2016）
[26] Nikoloulopoulos，A.K.，具有离散空间响应的高维多元正态copula模型的有效估计，Stoch。环境。Res.风险评估。，30, 2, 493-505 (2016)
[27] Nikoloulopoulos，A.K.，纵向有序反应的加权分数估计方程和CL1信息标准，J.Stat.Compute。模拟。，90, 11, 2002-2022 (2020) ·Zbl 07480148号
[28] Nikoloulopoulos，A.K.，weightedCL:高维正态copula回归模型的有效可行推理（2022），R包版本0.5
[29] Nikoloulopoulos，A.K。；Joe，H。；Chaganty，N.R.，具有相依数据的回归模型的加权得分法，生物统计学，12653-665（2011）·Zbl 1314.62246号
[30] Nikoloulopoulos，A.K。；Karlis，D.，多元离散数据建模的有限正态混合Copula，J.Stat.Plan。推断，1393878-3890（2009）·Zbl 1169.62044号
[31] Nikoloulopoulos，A.K。；Moffatt，P.G.，用连接词耦合夫妇：风险态度的分类匹配分析，经济学。Inq.公司。，57, 1, 654-666 (2019)
[32] Panagiotelis，A。；Czado，C。；Joe，H.，《多元离散数据的配对copula构造》，美国统计协会，107，1063-1072（2012）·Zbl 1395.62114号
[33] 佩德利，X。；Varin，C.，潜在自回归计数模型的成对似然估计，《统计方法医学研究》，29，11，3278-3293（2020）
[34] 皮特，M。；Chan，D。；Kohn，R.，高斯copula回归模型的有效贝叶斯推断，生物统计学，93，537-554（2006）·Zbl 1108.62027号
[35] Smith，M.S.，《隐式系词：概述》，经济学。统计数字（2022），出版中
[36] Soetaert，K.，2021年。rootSolve：常微分方程的非线性寻根、平衡和稳态分析。R包版本1.8.2.3。
[37] Song，P.X.-K.，《相关数据分析：建模、分析和应用》（2007），Springer:Springer-NY·Zbl 1132.62002号
[38] 孙，L.-H。；黄，X.-W。；Alqawba，医学硕士。；Kim，J.-M。；Emura，T.，带多余零的计数序列的Copula Markov模型，（基于Copula的时间序列Markov模型（2020），Springer:Springer Singapore），101-127·Zbl 1435.62020号
[39] Tutz，G。；Gerthiss，J.，分类数据的正则化回归，统计模型。，16, 3, 161-200 (2016)
[40] 瓦拉丹，R。；Gilbert，P.，BB:求解大型非线性方程组和优化高维非线性目标函数的R包，J.Stat.Softw。，32, 1-26 (2009)
[41] Varin，C.，关于复合边际可能性，AStA高级统计分析。，92, 1-28 (2008) ·Zbl 1171.62315号
[42] 瓦林，C。；N.里德。；Firth，D.，《复合似然法概述》，Stat.Sin。，21, 5-42 (2011) ·Zbl 1534.62022号
[43] 沃尔特·S。；范斯坦，A。；Wells，C.，《多元回归分析中有序自变量的编码》，美国流行病学杂志。，125, 319-323 (1987)
[44] Zhao，Y。；Joe，H.，多元数据分析中的复合似然估计，加拿大。《统计杂志》，33、3、335-356（2005）·Zbl 1077.62045号
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。