Transca公司

椭圆连接函数的典型相关分析。典型相关分析(CCA)是一种常用的方法,通过最大化两组变量线性组合之间的Pearson相关来估计两组变量之间的关联。我们提出了一个椭圆copula横截面分布的CCA模型,它使用成对Kendall的tau来估计潜在散射矩阵。由于Kendall的tau只依赖于数据的秩次,所以这种方法不需要对变量的边际分布做任何假设,并且在不存在矩的情况下是有效的。我们建立了使用Kendall的tau估计的正则方向和相关的一致性和渐近正态性。仿真结果表明,对于由重尾椭圆分布生成的数据,该估计器的性能优于标准CCA。我们的方法也能识别出当边际分布是倾斜的时候更有意义的关系。我们还提出了一种使用bootstrap方法测试非零正则相关的方法。该测试程序不需要对变量的联合分布进行任何假设,并且适用于所有椭圆copula。这与置换测试相反,置换测试只在数据由高斯copula分布生成时有效。在北卡罗来纳大学教堂山分校的早期大脑发育研究中,对6岁儿童脑白质束的径向扩散率与认知测试分数之间的关系进行了分析,结果表明这种方法的实用性。实现这个方法的extsf{R}包可以在url上找到{https://github.com/blangworthy/transca}.

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换