×
王瑞；徐兴忠

高维方差多变量分析的最不利方向检验。 （英语） Zbl 1469.62279号

统计正弦。 31，编号2，723-747（2021）.
总结：本研究考虑了在高维中等样本量环境下对正常样本进行的多元方差分析。当样本维数大于样本量时，由于似然函数是无界的，经典似然比检验没有定义。基于这种无界性，我们提出了一种新的测试方法，称为最不利方向测试。在非峰值协方差和峰值协方差下导出了测试统计量的渐近分布。给出了检验的局部渐近幂函数。渐近幂函数的结果和仿真表明，该检验在峰值协方差下特别有效。

引用于2文件

MSC公司：

62H15型 多元分析中的假设检验
62H25个 因子分析和主成分；对应分析

关键词：

高维数据；最不利方向试验；多元方差分析；主成分分析；峰值协方差
PDF格式BibTeX公司 XML格式引用
\textit{R.Wang}和\textit{X.Xu}，Stat.Sin。31，编号2，723--747（2021；Zbl 1469.62279）

参考文献：

[1] Ahn，J.和Marron，J.S.（2010年）。用于区分的最大数据堆积方向。生物特征97，254-259·Zbl 1182.62134号
[2] Aosima，M.、Shen，D.、Shen、H.、Yata，K.、Zhou，Y.-H.和Marron，J.S.（2018年）。高维低样本量渐近性的研究。澳大利亚和新西兰统计杂志60，4-19·Zbl 1462.62368号
[3] Aosima，M.和Yata，K.（2018年）。高维强峰值特征值模型的两个样本测试。《中国统计》28，43-62·Zbl 1382.62028号
[4] Bai，Z.和Saranadasa，H.（1996）。高维的影响：通过一个两样本问题的例子。中国统计局6，311-329·Zbl 0848.62030号
[5] Cai，T.、Han，X.和Pan，G.（2019年）。样本协方差矩阵的发散峰值特征值和最大非峰值特征值的极限律。统计年鉴。新闻界。
[6] 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。概率论及相关领域161，781-815·Zbl 1314.62130号
[7] Cai，T.T.，Liu，W.和Xia，Y.（2014）。依赖性下高维均值的两样本测试。英国皇家统计学会期刊：B系列（统计方法）76349-372·Zbl 07555454号
[8] Cai，T.T.和Xia，Y.（2014）。高维稀疏MANOVA。多元分析杂志131174-196·Zbl 1298.62090号
[9] Cao，M.-X.、Park，J.和He，D.-J.（2019年）。高维数据中k样本behrens-fisher问题的检验。《统计规划与推断杂志》201，86-102·Zbl 1432.62167号
[10] 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。《统计年鉴》38，808-835·Zbl 1183.62095号
[11] Fan，J.、Wang，D.、Wang、K.和Zhu，Z.（2019年）。主特征空间的分布式估计。《统计年鉴》47，3009-3031·Zbl 1450.62067号
[12] Fan，J.、Yuan，L.和Mincheva，M.（2013）。通过阈值化主对正交补码进行大协方差估计。英国皇家统计学会杂志：B辑（统计方法）75，603-680·Zbl 1411.62138号
[13] Feng，L.、Zou，C.、Wang，Z.和Zhu，L.（2015）。高维数据的两样本behrens-fisher问题。《中国统计》第25期，1297-1312页·Zbl 1377.62144号
[14] Hu，J.、Bai，Z.、Wang，C.和Wang，W.（2017）。关于检验协方差矩阵不相等的高维平均向量的相等性。统计数学研究所年鉴69，365-387·Zbl 1396.62106号
[15] Kagan，A.、Linnik，Y.和Rao，C.（1973年）。数理统计中的表征问题。第1版。纽约威利·Zbl 0271.6202号
[16] Katayama，S.、Kano，Y.和Srivastava，M.S.（2013）。观测值少于维数的平均向量的一些检验标准的渐近分布。多变量分析杂志116，410-421·Zbl 1277.62069号
[17] Koltchinskii，V.和Lounici，K.（2016）。样本协方差双线性形式谱投影的渐近性和浓度界。亨利·庞加莱研究所年鉴，《概率与统计》52，1976-2013·Zbl 1353.62053号
[18] Ma，Y.、Lan，W.和Wang，H.（2015）。低维因子结构下的高维双样本测试。多元分析杂志140，162-170·Zbl 1329.62266号
[19] Nadler，B.（2008）。主成分分析的有限样本近似结果：矩阵摄动方法。《统计年鉴》36，2791-2817·Zbl 1168.62058号
[20] Roy，S.N.（1953年）。关于测试构造的启发式方法及其在多元分析中的应用。《数理统计年鉴》24，220-238·Zbl 0051.36701号
[21] Schott，J.R.（2007）。单向MANOVA的一些高维测试。多变量分析杂志98，1825-1839·Zbl 1130.62058号
[22] Shen，D.、Shen，H.和Marron，J.S.（2016）。主成分分析一致性的一般框架。机器学习研究杂志17，1-34·Zbl 1392.62177号
[23] Srivastava，M.S.（2007）。用于分析高维数据的多元理论。《日本统计学会杂志》37，53-86·Zbl 1140.62047号
[24] Srivastava，M.S.和Kubokawa，T.（2013）。非正态下高维方差的多元分析检验。多元分析杂志115，204-216·Zbl 1294.62127号
[25] Tsai，C.-A.和Chen，J.J.（2009年）。基因集分析的多元方差分析。生物信息学25，897-903。
[26] Verstynen，T.、Diedrichsen，J.、Albert，N.、Aparicio，P.和Ivry，R.（2005）。单手运动时同侧运动皮层的活动与任务复杂性有关。《神经生理学杂志》93，1209-1222。
[27] Wang，R.和Xu，X.（2018）。在峰值协方差下的两样本均值检验中。多元分析杂志167，225-249·Zbl 1398.62147号
[28] Wang，R.和Xu，X.（2019）。一种可行的平均向量的高维随机化测试。《统计规划与推断杂志》199160-178·Zbl 1421.62007年
[29] Wang，W.和Fan，J.（2017）。高维尖峰协方差经验特征结构的渐近性。《统计年鉴》45，1342-1374·Zbl 1373.62299号
[30] Yamada，T.和Himeno，T.（2015）。在高维异方差下检验均值向量的同质性。多元分析杂志139，7-27·Zbl 1320.62132号
[31] Yata，K.和Aosima，M.（2012年）。有效的主成分分析用于通过几何表示减少噪声的高维、低样本数据。多元分析杂志105，193-215·Zbl 1236.62065号
[32] Yata，K.和Aosima，M.（2013年）。高维设置中功率峰值模型的Pca一致性。多元分析杂志122，334-354·Zbl 1280.62072号
[33] Zhang，J.-T.，Guo，J.和Zhou，B.（2017）。高维单向manova中的线性假设检验。多元分析杂志155，200-216·Zbl 1356.62074号
[34] Zhao，J.和Xu，X.（2016）。当p大于n时，正态均值的广义似然比检验。计算统计与数据分析99，91-104·Zbl 1468.62234号
[35] Zhou，B.，Guo，J.和Zhang，J.-T.（2017）。异方差下的高维一般线性假设检验。《统计规划与推断杂志》188，36-54·Zbl 1391.62100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。