×
黄磊;白嘉伟;安德拉达·伊万内斯库;塔马拉·哈里斯;马修·莫勒;菲利普·格林;瓦迪姆·齐普尼科夫

多水平矩阵变量分析及其在临床人群加速度测量体力活动中的应用。 （英语） Zbl 1420.62454号

美国统计协会。 114，编号526，553-564（2019）.
摘要：以矩阵为主要衡量标准的研究数量呈爆炸式增长。针对这一点，我们提出了一个统计框架，用于建模重复观测的矩阵变量测量的总体。二维结构通过矩阵变量分布和可分解的行/列特定协方差矩阵进行处理，并使用线性混合效应框架对多级设计进行建模。该框架可灵活扩展以适应许多常见的交叉和嵌套设计，并引入了两个重要概念：被试之间的距离和类内相关系数，这两个概念都是为矩阵变量数据定义的。大量的仿真研究表明了该方法的计算可行性和性能。该方法是由一项监测被诊断为充血性心力衰竭（CHF）患者在4-9个月期间的体力活动的研究所推动并应用的。对两个CHF亚组（有和无不良临床事件）的长期体力活动模式进行了研究和比较。

引用于3文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62H25个 因子分析和主成分；对应分析
62J10型 方差和协方差分析（ANOVA）

关键词：

动作记录仪;主成分分析;可分离协方差

软件：

项目管理局;LAS公司;JIVE公司
PDF格式BibTeX公司 XML格式引用
\textit{L.Huang}et al.，J.Am.Stat.Assoc.114，No.526，553--564（2019；Zbl 1420.62454）
全文： 内政部 链接

参考文献：

[1] Allen，G.I.，《多路功能主成分分析》，2013年IEEE第五届多传感器自适应处理（CAMSAP）计算进展国际研讨会，220-223（2013），IEEE
[2] ---《稀疏和功能主成分分析》，arXiv预印本arXiv:1309.2895（2013）
[3] 艾伦，G.I。；Grosenick，L。；Taylor，J.，《广义最小二乘矩阵分解》，美国统计协会杂志，109145-159（2014）·Zbl 1367.62184号
[4] 艾伦，G.I。；Tibshirani，R.，《用可转置数据进行推断：行与列相关性的效果建模》，《皇家统计学会杂志》，74721-743（2012）·Zbl 1411.62220号
[5] Bai，J。；他，B。；寿，H。；齐普尼科夫，V。；玻璃，T.A。；Crainiceanu，C.M.，《从原始加速度测量数据中归一化和提取可解释指标》，生物统计学，第15期，第102-116页（2014年）
[6] Caffo，B.S。；Crainiceanu，C.M。；Verduzco，G。；Joel，S。；Mostofsky，S.H。；巴塞特，S.S。；Pekar，J.J.，功能磁共振成像功能连通性分析的两阶段分解及其在阿尔茨海默病风险中的应用，神经影像，51，1140-1149（2010）
[7] Chi，E.C。；艾伦，G.I。；Baraniuk，R.G.，《凸双聚类》，生物统计学，73，10-19（2017）·Zbl 1366.62208号
[8] Cichocki，A。；扎杜克，R。；Phan，A.H。；Amari，S.-I.，《非负矩阵和张量因子分解：探索性多路数据分析和盲源分离的应用》（2009），纽约：Wiley，纽约
[9] Crainiceanu，C.M。；Caffo，B.S。；罗，S。；Zipunnikov，V.，人口价值分解，图像人口分析框架，美国统计协会杂志，106775-790（2011）·Zbl 1229.62088号
[10] Dawid，P.，《一些矩阵变量分布理论：符号考虑和贝叶斯应用》，生物特征，68，265-274（1981）·Zbl 0464.62039号
[11] Di，C。；Crainiceanu，C.M。；Caffo，B.S。；Punjabi，N.M.，多层功能主成分分析，应用统计年鉴，3458-488（2009）·Zbl 1160.62061号
[12] Di，C。；Crainiceanu，C.M。；Jank，W.S.，多层稀疏函数主成分分析，STAT，3，126-143（2014）
[13] Dien，J。；斯宾塞，K.M。；Donchin，E.，《由主成分分析定义的事件相关潜在新颖反应的定位》，认知脑研究，17，637-650（2003）
[14] Fosdick，B.K。；Hoff，P.D.，可分离因子分析及其在死亡率数据中的应用，应用统计年鉴，8120-147（2014）·Zbl 1454.62185号
[15] 格雷文，S。；克雷尼西亚努，C。；卡福，B。；Reich，D.，纵向功能主成分分析，《电子统计杂志》，41022-1054（2010）·Zbl 1329.62334号
[16] Hoff，P.D.，《纵向关系数据的多线性张量回归》，《应用统计学年鉴》，第9卷，第1169页（2014年）·Zbl 1454.62481号
[17] 黄J.Z。；沈，H。；Buja，A.，《基于惩罚秩一近似的函数主成分分析》，《电子统计杂志》，2678-695（2008）·Zbl 1320.62097号
[18] 洪，H。；吴，P。；伊平，T。；苏云，H.，关于有序双张量的多线性主成分分析，生物统计学，99，569-583（2012）·Zbl 1437.62500号
[19] Koch，G.G.，《方差分量估计的一般方法》，《技术计量学》，第9期，第93-118页（1967年）·Zbl 0147.18107号
[20] 李，M。；沈，H。；黄J.Z。；Marron，J.，《通过稀疏奇异值分解进行双聚类》，《生物统计学》，661087-1095（2010）·Zbl 1233.62182号
[21] Lee，S。；齐普尼科夫，V。；Shiee，N。；克雷尼西亚努，C。；Caffo，B.S。；Pham，D.，高维纵向成像数据的聚类，2013年神经成像模式识别国际研讨会（PRNI），33-36（2013），IEEE
[22] 锁，E.F。；霍德利，K.A。；Marron，J.S。；Nobel，A.B.，用于多种数据类型综合分析的联合和个体变异解释（JIVE），应用统计学年鉴，7，523-542（2013）·Zbl 1454.62355号
[23] 卢，N。；Zimmerman，D.L.，可分离协方差矩阵的似然比检验，统计学与概率快报，73449-457（2005）·Zbl 1071.62052号
[24] 米切尔，M.W。；根顿，M.G。；Gumpertz，M.L.，协方差可分性的似然比检验，多元分析杂志，971025-1043（2006）·Zbl 1089.62063号
[25] 赖斯，J.A。；Silverman，B.W.，《当数据为曲线时非参数估计均值和协方差结构》，《皇家统计学会杂志》，53，233-243（1991）·Zbl 0800.62214号
[26] 塞族，N。；Jiang，H.，多层功能聚类分析，生物统计学，68805-814（2012）·Zbl 1272.62085号
[27] 沙巴林，A.A。；Nobel，A.B.，在高斯噪声存在下重建低秩矩阵，多元分析杂志，118，67-76（2013）·Zbl 1280.15022号
[28] Shabalin，A.A。；魏格曼，V.J。；佩罗，C.M。；诺贝尔，A.B.，《在高维数据中发现大平均子空间》，《应用统计年鉴》，3985-1012（2009）·Zbl 1196.62087号
[29] 寿，H。；齐普尼科夫，V。；Crainiceanu，C.M。；Greven，S.，《结构功能主成分分析》，生物统计学，71，247-257（2014）·Zbl 1393.62099号
[30] 斯宾塞，K.M。；Dien，J。；Donchin，E.，《ERP对异常刺激反应的时空分析》，《心理生理学》，38，343-358（2001）
[31] Staniswalis，J.G。；Lee，J.J.，《纵向数据的非参数回归分析》，《美国统计协会杂志》，93，1403-1418（1998）·Zbl 1064.62522号
[32] 田，T。；黄J.Z。；Shen，H.，通过多级坐标下降、统计分析和数据挖掘进行MEG震源重建的双向正则化：ASA数据科学期刊，6545-556（2013）·Zbl 06248406号
[33] Witten，D.M。；Tibshirani，R。；Hastie，T.，《惩罚矩阵分解及其在稀疏主成分和典型相关分析中的应用》，生物统计学，10，515-534（2009）·Zbl 1437.62658号
[34] Ye，J.，矩阵的广义低阶近似，机器学习，61167-191（2005）·Zbl 1087.65043号
[35] 于斯。；Bi，J。；Ye，J.，矩阵变量和高阶概率投影，数据挖掘和知识发现，22372-392（2011）·Zbl 1235.62064号
[36] 张，D。；Zhou，Z.-H.，（2D）2PCA:高效人脸表示和识别的双向二维PCA，神经计算，69，224-231（2005）
[37] 张，L。；沈，H。；Huang，J.Z.，稳健正则奇异值分解及其在死亡率数据中的应用，应用统计学年鉴，71540-1561（2013）·Zbl 1454.62189号
[38] 周，G。；Cichocki，A。；Mandic，D.P.，《通过关联盲源分离进行公共成分分析》，2015年IEEE声学、语音和信号处理国际会议（ICASSP），2150-2154（2015），IEEE
[39] 周，G。；赵（Q.Zhao）。；Zhang，Y。；阿达利，T。；谢，S。；Cichocki，A.，《从矩阵到高阶张量的关联分量分析：生物医学数据的应用》，美国电气与电子工程师协会论文集，104310-331（2015）
[40] 周，H。；Li，L.，正则矩阵回归，英国皇家统计学会杂志，76463-483（2014）·Zbl 07555458号
[41] 周，H。；李，L。；Zhu，H.，张量回归及其在神经影像数据分析中的应用，美国统计协会杂志，108，540-552（2013）·Zbl 06195959号
[42] 齐普尼科夫，V。；卡福，B。；Yousem，D.M。；达瓦齐科斯，C。；施瓦茨，B.S。；Crainiceanu，C.，《高维数据的多级函数主成分分析》，计算与图形统计杂志，20852-873（2011）
[43] 齐普尼科夫，V。；格雷文，S。；寿，H。；卡福，B。；Reich，D.S。；Crainiceanu，C.，纵向高维主成分分析及其在多发性硬化扩散张量成像中的应用，应用统计学年鉴，82175-2202（2014）·兹比尔1454.62190
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。