马库斯·马蒂莱宁;克罗克斯，C。;诺德豪森，K。;Oja，H。 多元时间序列的分段平均方差估计。 （英语） Zbl 1419.62239号 统计学 53，第3号，630-655（2019）. 作者研究了时间序列的监督降维方法。首先，本文回顾了iid数据的监督降维方法。考虑了切片逆回归（SIR）和切片平均方差估计（SAVE）。然后介绍了它们的时间序列版本TSIR、TSAVE及其混合。该方法基于几个有监督滞后协方差矩阵的近似联合对角化。本文提供了模拟研究来研究这些方法的特性。讨论了估计近似联合对角化矩阵的最优切片数。此外，还研究了如何在混合方法中选择合适的TSIR和TSAVE部件权重。最后，比较了三种时间序列方法的效率。审核人：安德里·奥伦科（维多利亚） 引用于2文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62G08号 非参数回归和分位数回归 62甲12 多元分析中的估计 62H25个 因子分析和主成分；对应分析 关键词：盲源分离;监督降维;预测 软件：玉;BSSasymp公司 PDF格式BibTeX公司 XML格式引用 \textit{M.Matilainen}等人，《统计》53，第3期，630--655（2019年；Zbl 1419.62239） 全文： 内政部 arXiv公司 参考文献： [1] 马云（Ma，Y.）。；Zhu，L.，《降维综述》，《国际统计评论》，第81期，第134-150页（2013年）·Zbl 1416.62220号 ·doi:10.1111/j.1751-5823.012.00182.x [2] 恩索，Kb。，时间序列因子模型，Wiley Interdiscip Rev Compute Stat，5，2，97-104（2013）·doi:10.1002/wics.1245 [3] 夏，Y。；汤，H。；Li，Wk，降维空间的自适应估计，J R Statist Soc Ser B（Statist Methodol），64，3，363-410（2002）·Zbl 1091.62028号 ·doi:10.1111/1467-9868.03411 [4] Becker，C，Fried，R.高维时间序列的切片逆回归。收录人：施瓦格M，Opitz O，编辑。实证研究中的探索性数据分析。柏林：施普林格；2003年，第3-11页。 [5] Barbarino，A，Bura，E.用足够的降维进行预测。华盛顿特区：联邦储备系统理事会；2015年（财经讨论系列；2015-074）。 [6] Barbarino，A，Bura，E.预测中降维的统一框架。华盛顿特区：联邦储备系统理事会；2017年。（联邦工作文件；编号：2017-004）。 [7] Matilainen，M。；克罗克斯，C。；Nordhausen，K.，《多元时间序列的监督降维》，《经济统计》，4，57-69（2017）·doi:10.1016/j.ecosta.2017.04.002 [8] 李克强。，用于降维的分层逆回归，美国统计协会杂志，86，414，316-327（1991）·兹比尔07426/2044 ·数字对象标识代码：10.1080/01621459.1991.10475035 [9] 库克·R。；Weisberg，S.，《降维切片逆回归：评论》，美国统计协会杂志，86，328-332（1991）·Zbl 1353.62037号 [10] Cook，R.，SAVE：回归中的降维和图形方法，Commun Stat Theory Methods，292109-2121（2000）·Zbl 1061.62503号 ·网址：10.1080/03610920008832598 [11] 朱，Lx；Ohtaki，M。；Li，Y.，《基于逆回归算法的混合方法》，Comput Stat Data Anal，51，5，2621-2635（2007）·Zbl 1161.62332号 ·doi:10.1016/j.csda.2006.01.005 [12] Nordhausen，K，Oja，H，Tyler，D.子空间维数的渐近和bootstrap检验；2017年。发布时间：·Zbl 1493.62317号 [13] Miettinen，J。；Taskinen，S。；Nordhausen，K.，《四阶矩和独立分量分析》，《统计科学》，30，372-390（2015）·Zbl 1332.62196号 ·doi:10.1214/15-STS520 [14] Liski，E。；诺德豪森，K。；Oja，H.，监督不变坐标选择，统计学，48，4，711-731（2014）·Zbl 1326.62092号 ·网址：10.1080/02331888.2013.800067 [15] 布拉，E。；Cook，R.，通过参数逆回归估计回归的结构维，J R Statist Soc Ser B（Statist Methodol），63，393-410（2001）·Zbl 0979.62041号 ·doi:10.1111/1467-9868.00292 [16] 路库克；Critchley，F.，以图形方式识别回归异常值和混合物，美国统计协会杂志，95，451，781-794（2000）·Zbl 0999.62056号 ·doi:10.1080/01621459.2000.10474270 [17] Portier，F.，《逆向回归的经验过程观点》，《Scand J Stat》，第43、3、827-844页（2016年）·Zbl 1468.62314号 ·doi:10.1111/sjos.12209 [18] 罗，W。；Li，B.，结合特征值和特征向量的变化来确定顺序，生物特征，103，4，875-887（2016）·兹比尔1506.62304 ·doi:10.1093/biomet/asw051 [19] 李毅。；朱，Lx。，切片平均方差估计的渐近性，Ann Stat，35，1，41-69（2007）·Zbl 1114.62053号 ·doi:10.1214/09053606000001091 [20] 路库克；Ni，L.，《通过反向回归实现充分降维》，美国统计学会杂志，100，470，410-428（2005）·Zbl 1117.62312号 ·doi:10.1198/01621450000001501 [21] 朱，Lx；Ng，Kw.，切片逆回归的渐近性，Stat Sin，5727-736（1995）·Zbl 0824.62036号 [22] Ye，Z。；Weiss，Re.，《使用bootstrap选择一种新的降维方法》，美国统计协会杂志，98，464，968-979（2003）·Zbl 1045.62034号 ·doi:10.1198/0162145000000927 [23] Aj Shaker公司；普伦德加斯特，路易斯安那州，《降维方法的迭代应用》，Electron J Stat，51471-1494（2011）·Zbl 1271.62143号 ·doi:10.1214/11-EJS650 [24] Saracco，J.，Pooled slicing methods vs.slicing methods，Commun Stat Simul Compute，30，3，489-511（2001）·Zbl 1081.62527号 ·doi:10.1081/SAC-100105075 [25] 甘农，A。；Saracco，J.，SIR方法的渐近理论，Stat Sin，13，2，297-310（2003）·Zbl 1015.62036号 [26] 卡多佐，Jf；Souloumiac，A.，《同时对角化的雅各比角》，SIAM J Matrix Ana Appl，17，161-164（1996）·Zbl 0844.65028号 ·doi:10.1137/S0895479893259546 [27] Illner，K。；Miettinen，J。；Fuchs，C.，使用二阶盲源分离算法的极限分布进行模型选择，《信号处理》，113，95-103（2015）·doi:10.1016/j.sigpro.2015.017.017 [28] Theis，Fj，Inouye，Y.关于联合对角化在盲信号处理中的应用。摘自：IEEE电路与系统国际研讨会。IEEE；2006年，第3589-3593页。 [29] Chabriel，G。；Kleinsteuber先生。；Moreau，E.，《联合矩阵分解和盲源分离：方法、识别和应用综述》，IEEE Signal Process Mag，31，3，34-43（2014）·doi:10.1109/MSP.2014.2298045 [30] Miettinen，J。；诺德豪森，K。；Oja，H.，不相关平稳时间序列的基于通货紧缩的分离，J Multivar Anal，123214-227（2014）·Zbl 1278.62147号 ·doi:10.1016/j.jmva.2013.09.009 [31] Matilainen，M。；诺德豪森，K。；Oja，H.，《时间序列的新独立成分分析工具》，Stat Probab Lett，105，80-87（2015）·兹比尔1396.62214 ·doi:10.1016/j.spl.2015.04.033 [32] Miettinen，J。；Illner，K。；Nordhausen，K.，使用自方差矩阵分离不相关平稳时间序列，《时序分析杂志》，37，3，337-354（2016）·Zbl 1381.62250号 ·doi:10.1111/jtsa.12159 [33] Miettinen，J。；诺德豪森，K。；Taskinen，S.，《R中基于联合对角化的盲源分离：JADE和BSSasymp包》，J Stat Softw，76，2，1-31（2017）·doi:10.18637/jss.v076.i02 [34] Matilainen，M，Croux，C，Miettinen，J等…tsBSS：时间序列盲源分离和监督降维工具；2018.R包版本0.5.2。可从以下网址获得：。 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。