×
米歇拉·巴托兹;保罗·维多尼

一种基于似然的boosting算法，用于二进制数据的因子分析模型。 （英语） Zbl 07476379号

计算。统计数据分析。 168，文章ID 107412，18 p.（2022）.
小结：统计增强是一种非常有效的方法，用于拟合复杂模型，同时执行变量选择和防止过拟合。然而，现有的方法并不直接适用于二进制数据的因子分析模型，因为任何梯度下降方法都无法在零载荷下从起点开始移动。该算法利用对数似然函数的负曲率方向，能够避开局部非凸区域。采用组件式方法可得到稀疏解，其优点是便于解释，而无需对载荷进行后旋转。该方法还对估计值进行正则化，从而减少其均方误差。为了减轻推理过程的计算负担，使用了一种合适的伪似然，称为两两似然。此外，为了自动选择模型中包含的潜在变量的数量，考虑了组套索惩罚。通过仿真研究和实际数据实例说明了该方案的良好性能。

MSC公司：

62至XX 统计

关键词：

潜在变量模型;成对似然;负曲率方向;正规化;稀疏解

软件：

阿达·布斯特。MH公司;RcppArmadillo公司;卢比;R（右）;心理
PDF格式BibTeX公司 XML格式引用
\textit{M.Battauz}和\textit{P.Vidoni}，计算。统计数据分析。168，文章ID 107412，18 p.（2022；Zbl 07476379）
全文： 内政部

参考文献：

[1] 巴托洛缪，D.J。；Knott，M。；穆斯塔基，I.，《潜在变量模型和因子分析：统一方法》（2011年），威利：威利伦敦·Zbl 1266.62040号
[2] Battauz，M.，标称响应模型的正则化估计，Multivar。行为。研究，55，811-824（2020）
[3] 贝根，A.A。；Glas，C.A.，多维IRT模型的MCMC估计和一些模型-效应分析，《心理测量学》，66，541-561（2001）·兹比尔1293.62234
[4] 博克·R·D。；Aitkin，M.，项目参数的边际最大似然估计：EM算法的应用，《心理测量学》，46，443-459（1981）
[5] Bühlmann，P。；Yu，B.，稀疏推进，J.Mach。学习。第71001-1024号决议（2006年）·Zbl 1222.68155号
[6] Cai，L.，用Metropolis-Hastings-Robbins-Monro算法进行高维探索性项目因子分析，《心理测量学》，75，33-57（2010）·Zbl 1272.62113号
[7] De Bin，R.，Cox回归中的Boosting：基于相似性和基于模型的方法之间的比较，重点是R包CoxBoost和mboost，Compute。统计，31，513-531（2016）·Zbl 1342.65029号
[8] de Leon，A.，分组连续模型的成对似然法及其扩展，Stat.Probab。莱特。，75, 49-57 (2005) ·Zbl 1080.62039号
[9] Eddelbuettel，D。；François，R.，Rcpp:无缝R和C++集成，J.Stat.Softw。，40, 1-18 (2011)
[10] Eddelbuettel，D。；Sanderson，C.，RcppArmadillo:使用高性能C++线性代数加速R，计算。统计数据分析。，71, 1054-1063 (2014) ·Zbl 1471.62055号
[11] 欧洲气压计88.1（2017）。GESIS数据档案，科隆。ZA6925数据文件版本1.0.0（2018）
[12] 弗伦德，Y。；Schapire，R.E.，《新增压算法的实验》，（机器学习：第十三届国际会议论文集（1996），Morgan Kaufmann:Morgan Koufmann San Francisco，CA，USA），148-156
[13] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《加性逻辑回归：助推的统计观点》，Ann.Stat.，28337-407（2000）·Zbl 1106.62323号
[14] Friedman，J.H.，《贪婪函数近似：梯度提升机》，《Ann.Stat.》，第29期，第1189-1232页（2001年）·Zbl 1043.62034号
[15] 高，X。；Song，P.X.-K.，高维数据中模型选择的复合似然贝叶斯信息标准，美国统计协会，105，1303-1325（2010）
[16] 新墨西哥州古尔德。；Lucidi，S。；罗姆，M。；Toint，P.L.，在无约束优化的线搜索方法中利用负曲率方向，Optim。方法软件。，14, 75-98 (2000) ·Zbl 0988.90039号
[17] Jöreskog，K.G。；穆斯塔基，I.，《序数变量的因子分析：三种方法的比较》，多变量。行为。第36347-387号决议（2001年）
[18] Katsikatsou，M。；穆斯塔基，I。；杨华伦，F。；Jöreskog，K.G.，具有有序数据的因子分析模型的成对似然估计，计算。统计数据分析。，56, 4243-4258 (2012) ·Zbl 1255.62172号
[19] Kirk，D.B.，关于二元正态（四分位）相关系数的数值近似，《心理测量学》，38，259-268（1973）·Zbl 0282.62049号
[20] Lindsay，B.G.，复合似然法，康特姆。数学。，80, 221-239 (1988) ·Zbl 0672.62069号
[21] Mayr，A。；粘合剂H。；Gefeller，O。；Schmid，M.，《推进算法的演变》，《方法与医学》，第53期，第419-427页（2014年）
[22] McCormick，G.P.，修改Armijo的负曲率步长规则，数学。程序。，13, 111-115 (1977) ·Zbl 0367.90100号
[23] 奥利瓦雷斯，A。；Moguerza，J.M。；Prieto，F.J.，《在改进的线性搜索中使用负曲率的非凸优化》，欧洲期刊Oper。Res.，189，706-722（2008）·Zbl 1146.90054号
[24] R： 统计计算语言与环境（2020），R统计计算基金会：R统计计算基础，奥地利维也纳
[25] Reckase，M.D.，多维项目反应理论模型（2009），Springer:Springer纽约·Zbl 1291.62023号
[26] Reise，S.P。；Revicki，D.A.，《项目反应理论建模手册：在典型绩效评估中的应用》（2014），Routledge:Routledge New York
[27] Revelle，W.，《心理学：心理学、心理测量学和人格研究程序》（2020），西北大学：伊利诺伊州西北大学埃文斯顿分校，R包2.0.9版
[28] 夏皮雷，R.E。；Freund，Y.，《Boosting:Foundations and Algorithms》（2012），麻省理工学院出版社：麻省理学院出版社剑桥·Zbl 1278.68021号
[29] 席林，S。；Bock，R.D.，用自适应正交法进行高维最大边际似然项目因子分析，《心理测量学》，70533-555（2005）·Zbl 1306.62497号
[30] 赛博尔德，H。；伯瑙，C。；布列斯特，A.-L。；De Bin，R.，《关于高维线性Cox模型提升步骤数的选择和影响》，计算。统计，33，1195-1215（2018）·Zbl 1417.65056号
[31] Sun，J。；陈，Y。；刘杰。；Ying，Z。；Xin，T.，通过（L_1）正则化选择多维项目反应理论模型的潜在变量，《心理测量学》，81921-939（2016）·兹比尔1367.62322
[32] Tutz，G。；Binder，H.，通过基于likelihood-based boosting的隐式变量选择的广义加性建模，生物统计学，62961-971（2006）·Zbl 1116.62075号
[33] Tutz，G。；Gerthiss，J.，《评分量表作为预测因素——量表水平的老问题和一些答案》，《心理测量学》，79，357-376（2014）·Zbl 1308.62151号
[34] Van Houwelingen，J.C。；Le Cessie，S.，统计模型的预测值，Stat.Med.，91303-1325（1990）
[35] Varin，C.，《综合边际可能性》，高级统计分析。，92, 1-28 (2008) ·Zbl 1171.62315号
[36] Varin，C.等人。；N.里德。；Firth，D.，《复合似然法概述》，Stat.Sin。，21, 5-42 (2011) ·Zbl 05849508号
[37] 瓦林，C。；Vidoni，P.，关于复合似然推断和模型选择的注释，Biometrika，92519-528（2005）·Zbl 1183.62037号
[38] 袁，M。；Lin，Y.，《分组变量回归中的模型选择和估计》，J.R.Stat.Soc.，Ser。B、 统计方法。，68, 49-67 (2006) ·Zbl 1141.62030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。