×
马蒂亚斯·洛夫勒

高维PCA中的Wald统计。 （英语） 兹比尔1507.62260

ESAIM，Probab公司。斯达。 23, 662-671 (2019)。
小结：在本研究中，我们考虑了在“有效秩”设置下，具有协方差的高斯观测值（X_1，\dots，X_n）的主成分分析，模型复杂性由（\mathbf{r}（\Sigma）：=\mathrm{tr}（\Sigma）/\Vert\Sigma\Vert）控制。我们证明了光谱投影仪Wald统计量的Berry-Essen型{P} _r（r）\). 这可用于构建光谱投影仪的非渐近拟合优度检验和置信椭球体。利用高阶扰动理论，我们能够证明我们的定理即使在（mathbf{r}（Sigma）gg\sqrt{n}）时仍然有效。

MSC公司：

62H25个 因子分析和主成分；对应分析
62F03型 参数假设检验
62层25 参数公差和置信区域

关键词：

主成分分析;光谱投影仪;中心极限定理;置信集;拟合优度检验
PDF格式BibTeX公司 XML格式引用
\textit{M.Löffler}，ESAIM，Probab。Stat.23，662--671（2019；Zbl 1507.62260）
全文： 内政部 arXiv公司

参考文献：

[1] Y.Amemiya和T.W.Anderson，一大类因子分析模型的渐近卡方检验。安。统计师。18 (1990) 1453-1463 ·Zbl 0706.62056号 ·doi:10.1214/aos/1176347760
[2] T.W.Anderson，主成分分析的渐近理论。安。数学。统计师。34 (1963) 122-148 ·Zbl 0202.49504号 ·doi:10.1214/aoms/1177704248
[3] P.Bentler，协方差结构分析的测试方法。IMS演讲笔记专题第24卷。序列号。，Inst.数学。统计人员。，加利福尼亚州海沃德（1994）123-136
[4] Q.Berthet和P.Rigollet，高维稀疏主成分的最优检测。安。统计师。41 (2013) 1780-1815 ·Zbl 1277.62155号 ·doi:10.1214/13-AOS1127
[5] 蔡太华，马志明，吴永武，稀疏主成分分析：最优速率和自适应估计。安。统计师。41 (2013) 3074-3110 ·兹比尔1288.62099 ·doi:10.1214/13-AOS1178
[6] M.L.Eaton，《多元统计：向量空间方法》。John Wiley&Sons，Inc.，纽约（1983年）·Zbl 0587.62097号
[7] C.Gao和H.Zhou，稀疏主成分分析的速率最优后收缩。安。统计师。43 (2015) 785-818 ·Zbl 1312.62078号 ·doi:10.1214/14-AOS1268
[8] I.M.Johnstone，关于主成分分析中最大特征值的分布。安。统计师。29 (2001) 295-327 ·Zbl 1016.62078号 ·doi:10.1214/aos/1009210544
[9] I.M.Johnstone和A.Y.Lu，关于高维主成分分析的一致性和稀疏性。《美国统计杂志》。协会104（2009）682-693·Zbl 1388.62174号 ·doi:10.1198/jasa.2009.0121
[10] V.Koltchinskii和K.Lounici，样本协方差双线性形式谱投影的渐近性和浓度界。亨利·彭加雷·普罗巴布（Henri PoincaréProbab）安·Inst。统计52（2016）1976-2013·Zbl 1353.62053号 ·doi:10.1214/15-AIHP705
[11] V.Koltchinskii和K.Lounici，样本协方差算子的集中不等式和矩界。伯努利23（2017）110-133·兹比尔1366.60057 ·doi:10.3150/15-BEJ730
[12] V.Koltchinskii和K.Lounici，样本协方差谱投影仪的正态近似和浓度。安。统计师。45 (2017) 121-157 ·Zbl 1367.62175号 ·doi:10.1214/16-AOS1437
[13] V.Koltchinskii和K.Lounici，主成分分析中的新渐近结果。Sankhya A 79（2017）254-297·Zbl 06822893号 ·doi:10.1007/s13171-017-0106-6
[14] V.Koltchinskii，M.Löffler和R.Nickl，主成分线性泛函的有效估计。ArXiv预印本：1708.07642（2017）
[15] B.Nadler，《主成分分析的有限样本近似结果：矩阵摄动法》。安。统计师。36 (2008) 2791-2817 ·Zbl 1168.62058号 ·doi:10.1214/08-AOS618
[16] A.Naumov、V.Spokoiny和V.Ulyanov，协方差矩阵光谱投影仪的置信集。多克。数学。98（2018）511-514·Zbl 1409.62148号 ·doi:10.1134/S1064562418060285
[17] D.Passemier、Z.Li和J.Yao，关于高维概率主成分分析中噪声方差的估计。J.R.统计学家。Soc.B 79（2017）51-67·兹伯利1414.62218 ·doi:10.1111/rssb.12153
[18] D.Paul，大维尖峰协方差模型样本特征结构的渐近性。统计正弦。17 (2007) 1617-1642 ·Zbl 1134.62029号
[19] M.Reiss和M.Wahl，PCA重建误差的非症状上界。ArXiv预印本：1609.03779（2016）
[20] I.Silin和V.Spokoiny，协方差矩阵谱投影的贝叶斯推断。电子。J.Stat.12（2018）1948-1987年·Zbl 1406.62064号 ·doi:10.1214/18-EJS1451
[21] J.Sun，验证性因子分析中的拟合优度评估。测量。评估。法律顾问。开发人员37（2005）240-256·doi:10.1080/07481756.2005.11909764
[22] V.Vu和J.Lei，高维中的极小极大稀疏主子空间估计。安。统计师。41 (2013) 2905-2947 ·Zbl 1288.62103号 ·数字对象标识代码：10.1214/13-AOS1151
[23] A.Wald，当观察数很大时，关于几个参数的统计假设的测试。数学。Soc.54（1943）426-482·Zbl 0063.08120号 ·doi:10.1090/S0002-9947-1943-0012401-3
[24] T.Wang、Q.Berthet和R.J.Samworth，稀疏主成分估计中的统计和计算权衡。安。统计师。44 (2016) 1896-1930 ·Zbl 1349.62254号 ·doi:10.1214/15-AOS1369
[25] W.Wang和J.Fan，高维尖峰协方差经验特征结构的渐近性。安。统计师。45 (2017) 1342-1374 ·Zbl 1373.62299号 ·doi:10.1214/16-AOS1487
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。