×
李燕;高志根;黄，魏;郭建华

通过双向因子模型和重复观测进行矩阵变量数据分析。 （英语） Zbl 07734000号

统计概率。莱特。 202，文章ID 109904，8 p.（2023）.
摘要：受各种科学领域中矩阵变量数据分析的最新研究成果的启发，我们提出了一个双向因子模型（2wFMs）来捕获行和列属性的可分离效应。研究了2wFM的识别条件，提出了一种用于最大似然估计（MLE）的块交替优化算法。建立了最大似然估计量的渐近理论。蒙特卡罗仿真表明，本文提出的方法是有效的和稳健的。

MSC公司：

62H25个 因子分析和主成分；对应分析
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62甲12 多元分析中的估计

关键词：

EM算法;大样本属性;矩阵变量数据;最大似然估计;双向因子模型
PDF格式BibTeX公司 XML格式引用
\textit{Y.Li}等人，统计概率。莱特。202，文章ID 109904，8 p.（2023；Zbl 07734000）
全文： DOI程序

参考文献：

[1] 阿梅米亚，Y。；W.A.Fuller。；Pantula，S.G.，因子分析模型的一些估计量的渐近分布，J.多元分析。，22, 1, 51-64 (1987) ·Zbl 0618.62065号
[2] 安德森，T.W。；Amemiya，Y.，《一般条件下因子分析中估计量的渐近正态分布》，Ann.Stat.，16，2，759-771（1988）·Zbl 0646.62051号
[3] Anderson，T.W.，Rubin，H.，1956年。因子分析中的统计推断。摘自：第三届伯克利数理统计与概率研讨会论文集·Zbl 0070.14703号
[4] Bai，J.，大维度因子模型的推理理论，《计量经济学》，71，1，135-171（2003）·Zbl 1136.62354号
[5] Bai，J。；李凯，高维因子回归模型的统计分析，《统计年鉴》，40，1436-465（2012）·Zbl 1246.62144号
[6] Bai，J。；王平，大因素模型的计量分析，《经济学年鉴》。，8, 53-80 (2016)
[7] 博拉，M。；Michaletzky，G。；Tusnády，G。；Ziermann，M.，异质二次型和的极值，线性代数应用。，269, 1-3, 331-365 (1998) ·Zbl 0893.65030号
[8] Chen，E.Y。；Chen，R.，用矩阵因子模型建模动态运输网络：在国际贸易流中的应用，数据科学杂志。，0, 0, 1-18 (2022)
[9] Chen，E.Y。；Fan，J.，高维矩阵变量因子模型的统计推断，美国统计协会，0，0，1-18（2021）
[10] 陈，Z。；范，J。；Wang，C.D.，高维因子模型及其在统计机器学习中的应用，科学。罪。数学。，4, 50, 447-490 (2020) ·Zbl 1499.62197号
[11] Chen，E.Y。；Tsay，R.S。；Chen，R.，高维矩阵变量时间序列的约束因子模型，美国统计协会，115，530，775-793（2020）·Zbl 1445.62143号
[12] 陈，R。；Yang，D。；Zhang，C.，高维张量时间序列的因子模型，美国统计协会，117，537，94-116（2022）·Zbl 1506.62362号
[13] 范，J。；Guo，J。；Zheng，S.，通过调整特征值阈值估计因子数，美国统计协会，117，538，852-861（2022）·Zbl 1507.62258号
[14] 范，J。；Liao，Y。；Mincheva，M.，近似因子模型中的高维协方差矩阵估计，Ann.Stat.，39，6，3320-3356（2011）·Zbl 1246.62151号
[15] 范，J。；Liao，Y。；Mincheva，M.，通过阈值化主正交补码进行大协方差估计，J.R.Stat.Soc.：Ser。B、 75、4、603-680（2013）·Zbl 1411.62138号
[16] 韩，Y。；陈，R。；张，C.，张量因子模型中的秩确定，Electr。《美国法律总汇》，16，1726-1803（2022）·Zbl 1493.62370号
[17] 何毅。；孔，X。；特拉帕尼，L。；Yu，L.，具有潜在双向因子结构的矩阵值时间序列的在线变点检测（2021）
[18] 何毅。；孔，X。；特拉帕尼，L。；Yu，L.，矩阵序列的单向或双向因子模型，J.Econom。(2023) ·Zbl 07704523号
[19] 何毅。；孔，X。；Yu，L。；张欣，无力矩约束的大维因子分析，J.Bus。经济。统计，40，1，302-312（2022）
[20] 何毅。；孔，X。；Yu，L。；张，X。；Zhao，C.，矩阵因子分析：从最小二乘到迭代投影，J.Bus。经济。统计，0，0，1-26（2023）
[21] Kong，X.，基于随机扰动的因子数量秩估计，《生物特征》，107，2，505-511（2020）·Zbl 1441.62160号
[22] 孔，X。；刘，Y。；Yu，L。；Zhao，P.，矩阵分位数因子模型（2022）
[23] 孔，X。；Wang，J。；Xing，J。；徐，C。；Ying，C.，《因子和特殊经验过程》，美国统计协会，114，527，1138-1146（2019）·Zbl 1428.62259号
[24] Kong，H。；王，E.K。；李，X。；Wang，J。；Wenkateswalu，R.，人脸图像表示与识别的广义2D主成分分析，神经网络。，18, 5, 585-594 (2005)
[25] Lam，C。；Yao，Q.，《高维时间序列的因子建模：因子数量的推断》，《Ann.Stat.》，40，2，694-726（2012）·Zbl 1273.62214号
[26] Li，Z。；何毅。；孔，X。；Zhang，X.，大维矩阵椭圆因子模型的流形主成分分析（2022）
[27] 刘伟。；Lin，H。；郑S。；Liu，J.，混合型超高维相关变量的广义因子模型，美国统计协会，0，0，1-17（2021）
[28] 王，D。；刘，X。；Chen，R.，矩阵值高维时间序列的因子模型，J.Econom。，208, 1, 231-248 (2019) ·Zbl 1452.62684号
[29] 谢，X。；Yan，S。；郭敬通（Kwok，J.T.）。；Huang，T.S.，矩阵变量因子分析及其应用，IEEE Trans。神经网络。，19, 10, 1821-1826 (2008)
[30] Yu，L。；何毅。；孔，X。；Zhang，X.，大维矩阵因子模型的投影估计，J.Econom。，209, 1, 201-217 (2021) ·Zbl 07538797号
[31] 张，D。；Zhou，Z.，（2D）\（{}^2）PCA:高效人脸表示和识别的双向二维PCA，神经计算，69，1，224-231（2005）
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。