玛丽·查文特;圣埃芬·吉拉德;Kuentz Simonet,凡妮莎;利基特、贝诺特;Nguyen、Thi Mong Ngoc;杰罗姆·萨拉科 数据流的分段逆回归方法。 (英语) Zbl 1306.65040号 计算。斯达。 29,第5期,1129-1152(2014). 摘要:在本文中,我们将重点关注流中按块顺序到达的数据。假设在每个块中都有一个涉及共同有效降维(EDR)方向的半参数回归模型。我们的目标是在每次新区块到达时估计这个方向。一种简单的直接方法是汇集所有观察到的块,并通过分段逆回归(SIR)方法估计EDR方向。但在实践中,出现了一些缺点,例如块的存储和大样本的运行时间。为了克服这些缺点,我们提出了一种基于质量度量优化的自适应SIR估计器。相应的方法在计算复杂性和运行时间方面都更快,并提供了数据存储优势。建立了估计量的相合性,并给出了其渐近分布。提出了一种多指标模型的扩展。还提供了一个图形工具,以检测基础模型中的变化,即EDR方向上的漂移或数据流中的异常块。一项模拟研究说明了我们估计器的数值行为。最后,给出了火星表面物理性质估计的实际数据应用。 引用于7文件 MSC公司: 62-08 统计问题的计算方法 62G08号 非参数回归和分位数回归 62J02型 一般非线性回归 62甲12 多元分析中的估计 62小时99 多变量分析 关键词:有效降维;分段逆回归;数据流 软件:edr图形工具;RSIR公司 PDF格式BibTeX公司 XML格式引用 \textit{M.Chavent}等人,计算。Stat.29,No.5,1129--1152(2014;Zbl 1306.65040) 全文: 内政部 哈尔 参考文献: [1] Barreda L,Gannoun A,Saracco J(2007)多元SIR的一些扩展。J统计计算模拟77(1-2):1-17·Zbl 1109.62041号 ·doi:10.1080/10629360600687840 [2] Barrios MP,Velilla S(2007)评估一般回归问题维度的自举方法。统计概率快报77(3):247-255·Zbl 1126.62026号 ·doi:10.1016/j.spl.2006.07.020 [3] Bernard-Michel C,DoutéS,Fauvel M,Gardes L,Girard S(2009a)使用正则切片逆回归从OMEGA高光谱图像中检索火星表面物理特性。地球物理研究行星杂志114:E06005 [4] Bernard-Michel C,Gardes L,Girard S(2009b)高斯正则切片逆回归。统计计算19:85-98·doi:10.1007/s11222-008-9073-z [5] Chavent M,Kuentz V,Liquet B,Saracco J(2011)分层人群的分层逆回归方法。公共统计理论方法40:1-22·Zbl 1277.62144号 ·doi:10.1080/03610926.2010.501940 [6] Chavent M、Girard S、Kuentz V、Liquet B、Nguyen TMN、Saracco J(2012年)关于données通量的Régression逆平价部分。在:44èmes Journées de Statistique(SFdS),比利时布鲁塞尔,http://hal.archives-ouvertes.fr/hal-00736584(法语) [7] Chen C-H,Li K-C(1998)SIR能像多元线性回归那样流行吗?统计Sinica 8(2):289-316·兹伯利0897.62069 [8] Cook RD(2007)Fisher讲座:回归中的降维(含讨论)。统计科学22:1-26·Zbl 1246.62148号 ·doi:10.1214/0883423060000000682 [9] DoutéS、Schmitt B、Langevin Y、Bibring J-P、Altieri F、Bellucci G、Gondet B、Poulet F(2007)《火星南极:火星冰层的性质和组成》表达了OMEGA的观测结果。《行星空间科学》55(1-2):113-133·doi:10.1016/j.pss.2006.05.035 [10] 段恩,李朝中(1991)切片回归:一种无链接回归方法。安统计19:505-530·Zbl 0738.62070号 ·doi:10.1214/aos/1176348109 [11] FerréL(1998)确定分段逆回归和相关方法中的维数。美国统计协会杂志93(441):132-140·Zbl 0908.62049号 [12] Hall P,Li KC(1993)关于高维数据的低维投影的几乎线性。安统计21:867-889·Zbl 0782.62065号 ·doi:10.1214/aos/1176349155 [13] Harville DA(1999)《统计学家视角下的矩阵代数》。纽约州施普林格 [14] Li KC(1991)用于降维的切片逆回归(含讨论)。美国统计协会杂志86:316-342·Zbl 0742.62044号 ·数字对象标识代码:10.1080/01621459.1991.10475035 [15] Liquet B,Saracco J(2008)在\[text{SIR}_\alpha\]SIRα方法中,bootstrap方法在维数和\[alpha\]α参数选择中的应用。公共统计模拟计算37(6):1198-1218·Zbl 1145.62031号 ·网址:10.1080/03610910801889011 [16] Liquet B,Saracco J(2012)SIR和SAVE方法中用于选择切片数量和模型尺寸的图形工具。计算统计27:103-125·Zbl 1304.65054号 ·doi:10.1007/s00180-011-0241-9 [17] Lue H-H(2009)多元反应回归的切片逆回归。J Stat Plan推断139(8):2656-2664·Zbl 1162.62366号 ·doi:10.1016/j.jspi.2008.12.006 [18] Saracco J(1997)切片逆回归的渐近理论。公共统计理论方法26(9):2141-2171·兹比尔0954.62531 ·doi:10.1080/03610929708832039 [19] Saracco J(2005)基于SIRα的混合边际切片估计量的渐近性。多变量分析杂志96:117-135·2008年6月10日 ·doi:10.1016/j.jmva.2004.10.003 [20] Schmidt F,DoutéS,Schmitt B(2007)Wavanglet:高光谱图像的有效监督分类器。IEEE Trans Geosci遥感器45(5):1374-1385·doi:10.1109/TGRS.2006.890577 [21] Schott JR(1994)确定分段逆回归中的维数。美国统计协会杂志89(425):141-148·Zbl 0791.62069号 ·doi:10.1080/01621459.1994.10476455 [22] Scrucca L(2007)使用正则切片逆回归对DNA微阵列进行类别预测和基因选择。计算统计数据分析52:438-451·Zbl 1452.62845号 ·doi:10.1016/j.csda.2007.02.005 [23] Shao Y,Cook RD,Weisberg S(2009)部分中心子空间和切片平均方差估计。J Stat Plan推断139(3):952-961·Zbl 1156.62032号 ·doi:10.1016/j.jspi.2008.06.002 [24] Tyler DE(1981)特征向量的渐近推断。Ann Stat 9(4):725-736·Zbl 0474.62051号 ·doi:10.1214/aos/1176345514 [25] Zhong W,Zeng P,Ma P,Liu JS,Zhu Y(2005)RSIR:用于模体发现的正则切片逆回归。生物信息学21(22):4169-4175·doi:10.1093/bioinformatics/bti680 [26] Zhu LX,Ohtaki M,Li Y(2007)关于基于逆回归算法的混合方法。计算统计51:2621-2635·Zbl 1161.62332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。