×
Rezazadeh，H。;F.埃斯坎达里。;M.Bameni，Moghadam;E.奥尔莫兹。

广义估计方程有限混合中的变量选择。 （英语） Zbl 1489.62188号

Commun公司。统计、仿真计算。 51，第6号，3237-3251（2022）.
小结：本文提出了一种新的混合模型参数估计方法。传统上，混合模型中的参数估计是通过利用期望最大化（EM）方法从似然的角度进行的。然而，在本文中，我们使用了最小二乘原理。基于这一原理，我们提出了一种迭代加权最小二乘（IWLS）算法来估计参数。通过对比研究，我们证明了我们的方法与EM方法相比的优越性。我们表明，IWLS方法在精度和收敛所需的迭代次数方面都优于EM。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62G05型 非参数估计

关键词：

迭代加权最小二乘;最小二乘原理;混合物模型;变量选择
PDF格式BibTeX公司 XML格式引用
\textit{H.Rezazadeh}等人，Commun。统计、仿真计算。51，第6号，3237--3251（2022；Zbl 1489.62188）
全文： 内政部

参考文献：

[1] 奥尔曼，E.S。；马蒂亚斯，C。；Rhodes，J.A.，具有多个观测变量的潜在结构模型中参数的可识别性，《统计年鉴》，37，6，3099-132（2009）·Zbl 1191.62003号 ·doi:10.1214/09-AOS689
[2] 卡罗尔·R·J。；Hall，P.，解卷积密度的最佳收敛速度，美国统计协会杂志，83，404，1184-6（1988）·Zbl 0673.62033号 ·doi:10.2307/2290153
[3] DasGupta，A.，统计和概率的渐近理论，混合模型和非参数反卷积，571-91（2008），纽约：Springer，纽约·Zbl 1154.62001年
[4] De Veaux，R.D.，线性回归的混合，计算统计与数据分析，8，3，227-45（1989）·Zbl 0726.62109号 ·doi:10.1016/0167-9473（89）90043-1
[5] Dias，J.G。；Wedel，M.，《EM、SEM和MCMC在有问题的高斯混合概率下的性能实证比较》，《统计与计算》，14，4，323-32（2004）·doi:10.1023/B:STCO.00039481.32211.5a文件
[6] Elmore，R。；霍尔，P。；Neeman，A.，《经典不变理论在非参数混合物可识别性中的应用》，《傅里叶变换年鉴》，55，1，1-28（2005）·Zbl 1137.62035号 ·doi:10.5802/aif.2087年
[7] Eskandari，F。；Ormoz，E.，广义半参数模型的有限混合：通过惩罚估计选择变量，《统计中的通信——模拟和计算》，45，10，3744-59（2016）·Zbl 1348.62216号 ·doi:10.1080/03610918.2014.953687
[8] Fan，J.，关于非参数反褶积问题的最佳收敛速度，《统计年鉴》，19，3，1257-72（1991）·Zbl 0729.62033号 ·doi:10.1214/aos/1176348248
[9] Faria，S。；Soromenho，G.，线性回归拟合混合物，统计计算与模拟杂志，80，2，201-25（2010）·Zbl 1184.62118号 ·doi:10.1080/0949650802590261
[10] Faria，S。；Soromenho，G.，《泊松回归模型中EM和SEM算法的比较：模拟研究》，《统计学中的通信——模拟和计算》，41，4，497-509（2012）·Zbl 1318.62111号 ·doi:10.1080/03610918.2011.594534
[11] 霍尔，P。；A.内曼。；Pakyari，R。；Elmore，R.，多元混合物中的非参数推断，生物统计学，92，3，667-78（2005）·Zbl 1152.62327号 ·doi:10.1093/biomet/92.3.667
[12] 霍尔，P。；Zhou，X.H.，多元混合物成分分布的非参数估计，《统计年鉴》，31，1，201-24（2003）·Zbl 1018.62021号 ·doi:10.1214/aos/1046294462
[13] 霍金斯博士。；艾伦，D.M。；Stromberg，A.J.，《确定线性模型混合物中成分的数量》，计算统计与数据分析，38，1，15-48（2001）·Zbl 1072.62607号 ·doi:10.1016/S0167-9473（01）00017-2
[14] Jones，P.N。；McLachlan，G.J.，在回归背景下拟合有限混合模型，澳大利亚统计杂志，34，2，233-40（1992）·doi:10.1111/j.1467-842X.1992.tb01356.x
[15] Nguyen，X.，有限和无限混合模型中潜在混合测度的收敛性，《统计年鉴》，41，1，370-400（2013）·Zbl 1347.62117号 ·doi:10.1214/12-AOS1065
[16] Pearson，K.，《进化数学理论的贡献》，伦敦皇家学会哲学学报。A、 18571-110（1894年）·doi:10.1098/rsta.1894.0003
[17] Quandt，R.E。；Ramsey，J.B.，估计正态分布和切换回归的混合，美国统计协会杂志，73，364，730-8（1978）·Zbl 0401.62024号 ·doi:10.2307/2286266
[18] 卢梭，J。；Mengersen，K.，过量混合模型中后验分布的渐近行为，皇家统计学会杂志：B辑（统计方法），73，5，689-710（2011）·兹比尔1228.62034 ·doi:10.1111/j.1467-9868.2011.00781.x
[19] Schepers，J.，有限回归混合EM算法的改进随机排序方法，行为研究方法，47，1，134-46（2015）
[20] Searle，S.R.，线性模型（1997），新泽西州霍博肯：新泽西州霍博肯的John Wiley&Sons·Zbl 0872.62070号
[21] Teicher，H.，混合物的可识别性，《数理统计年鉴》，32，1，244-8（1961）·Zbl 0146.39302号
[22] Teicher，H.，有限混合物的可识别性，《数理统计年鉴》，34，4，1265-9（1963）·Zbl 0137.12704号 ·doi:10.1214/网址/117703862
[23] 徐，L。；Lin，N。；张，B。；Shi，N.，广义估计方程中相关矩阵工作的有限混合模型，《统计学》，22，2，755-76（2012）·Zbl 1511.62183号 ·doi:10.5705/ss.2010.090
[24] 雅科维茨，S.J。；Spragins，J.D.，《关于有限混合物的可识别性》，《数理统计年鉴》，39，1，209-14（1968）·Zbl 0155.25703号 ·doi:10.1214/aoms/1177698520
[25] Zhang，C.H.，估计混合密度和分布的傅里叶方法，《统计年鉴》，18，2，806-31（1990）·Zbl 0778.62037号 ·doi:10.1214/aos/1176347627
[26] Zhu，H.T。；Zhang，H.，混合回归模型中的假设检验，英国皇家统计学会杂志：B辑（统计方法），66，1，3-16（2004）·兹比尔1062.62033 ·doi:10.1046/j.1369-7412.003.05379.x
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。