刘新义;加布里埃尔·沃林;陈云晓;伊里尼·穆斯塔基 使用(L^p)损失和相关推理问题旋转到稀疏载荷。 (英语) Zbl 1517.62093号 心理测量学 88,第2期,527-553(2023年). 摘要:研究人员广泛使用探索性因素分析(EFA)来了解多元数据背后的潜在结构。旋转和正则估计是EFA中常用的两类方法,用于寻找可解释的载荷矩阵。本文基于与L^p正则估计密切相关的分量损失函数((0<p1)),提出了一类新的斜旋转。我们基于提出的旋转方法开发了模型选择和选择后推理程序。当真实载荷矩阵稀疏时,该方法在统计精度和计算成本方面往往优于传统的旋转和正则化估计方法。由于所提出的损失函数是非光滑的,我们开发了一种迭代加权梯度投影算法来解决优化问题。我们还开发了理论结果,以建立估计、模型选择和选择后推断的统计一致性。我们对该方法进行了评估,并通过仿真研究将其与常规估计和传统旋转方法进行了比较。我们用五大人格评估的应用程序进一步说明了这一点。 引用于1文件 MSC公司: 第62页第15页 统计学在心理学中的应用 62H25个 因子分析和主成分;对应分析 关键词:元件损失函数;解析旋转;正规估计;型号选择;置信区间 软件:ElemStatLearn(电子状态学习);稀疏的;彭发牌手表 PDF格式BibTeX公司 XML格式引用 \textit{X.Liu}等人,《心理测量学》88,第2期,第527-553页(2023年;Zbl 1517.62093) 全文: 内政部 arXiv公司 OA许可证 参考文献: [1] Ba,D.,Babadi,B.,Purdon,P.L.,&Brown,E.N.(2013)。迭代加权最小二乘算法的收敛性和稳定性。IEEE信号处理汇刊,62(1),183-195·Zbl 1394.94055号 [2] Bartholomew,D.J.、Knott,M.和Moustaki,I.(2011年)。潜在变量模型和因素分析:一种统一的方法。威利·Zbl 1266.62040号 [3] 加利福尼亚州伯纳兹;Jennrich,RI,因子分析中任意旋转标准的梯度投影算法和软件,教育和心理测量,65,5,676-696(2005)·doi:10.177/013164404272507 [4] Bollen,KA,带潜在变量的结构方程(1989),Wiley·Zbl 0731.62159号 ·doi:10.1002/9781118619179 [5] T·布斯。;休斯,DJ,人格数据的探索性结构方程建模,评估,21,3,260-271(2014)·doi:10.1177/1073191114528029 [6] Browne,MW,协方差结构分析的渐近无分布方法,英国数学与统计心理学杂志,37,1,62-83(1984)·Zbl 0561.62054号 ·doi:10.1111/j.2044-8317.1984.tb00789.x [7] 陈,Y。;Li,X.,确定高维广义潜在因子模型中的因子数,Biometrika,109,3769-782(2022)·Zbl 1495.62047号 ·doi:10.1093/biomet/asab044 [8] Chen,Y.,Li,X.,Liu,J.,&Ying,Z.(2021)。项目反应理论——教育和心理测量的统计框架。arXiv预打印arXiv:2108.08604。 [9] 陈,Y。;李,X。;Zhang,S.,高维探索性项目因子分析的联合最大似然估计,《心理测量学》,84,1,124-146(2019)·Zbl 1431.62524号 ·doi:10.1007/s11336-018-9646-5 [10] 陈,Y。;李,X。;Zhang,S.,《大规模数据的结构化潜在因素分析:可识别性、可估计性及其影响》,《美国统计协会杂志》,115,532,1756-1770(2020)·Zbl 1452.62407号 ·doi:10.1080/01621459.2019.1635485 [11] Choi,J。;Oehlert,G。;Zou,H.,稀疏因子分析的惩罚最大似然方法,统计学及其接口,3,4,429-436(2010)·Zbl 1245.62074号 ·doi:10.4310/SII.2010.v3.n4.a1 [12] Daubechies,I。;DeVore,R。;福纳西尔,M。;Güntürk,CS,稀疏恢复的迭代重加权最小二乘最小化,《纯粹数学与应用数学的交流:科朗数学科学研究所出版的期刊》,63,1,1-38(2010)·Zbl 1202.65046号 ·doi:10.1002/cpa.20303 [13] 阿联酋登普斯特;新墨西哥州莱尔德;Rubin,DB,通过EM算法从不完整数据中获取最大似然,《皇家统计学会杂志:B辑(方法学)》,39,1,1-22(1977)·Zbl 0364.62022号 [14] Geminiani,E。;马拉,G。;穆斯塔基,I.,《单组和多组惩罚因子分析:一种集成自动多调谐参数选择的信任区域算法方法》,《心理测量学》,86,1,65-95(2021)·Zbl 1476.62245号 ·doi:10.1007/s11336-021-09751-8 [15] Goldberg,LR,《大五因子结构标记物的开发》,心理评估,4,1,26(1992)·doi:10.1037/1040-3590.4.1.26 [16] 高,AJ;MC怀特曼;Pattie,A。;IJ Deary,Goldberg的“IPIP”大五因子标记:苏格兰的内部一致性和并发验证,《个性和个体差异》,39,2,317-329(2005)·doi:10.1016/j.paid.2005.01.11 [17] 哈斯蒂,T。;Tibshirani,R。;JH弗里德曼;Friedman,JH,《统计学习的要素:数据挖掘、推理和预测》(2009),施普林格出版社·Zbl 1273.62005年 ·doi:10.1007/978-0-387-84858-7 [18] Hirose,K。;Yamamoto,M.,通过惩罚似然因子分析估算斜向结构,计算统计与数据分析,79,120-132(2014)·Zbl 1506.62080号 ·doi:10.1016/j.csda.2014.05.011 [19] Hirose,K。;Yamamoto,M.,《因子分析模型中基于非协方差惩罚似然的稀疏估计》,《统计与计算》,25,5,863-875(2015)·Zbl 1332.62194号 ·doi:10.1007/s11222-014-9458-0 [20] Jennrich,RI,《斜旋转因子载荷的标准误差》,《心理测量学》,38,4,593-604(1973)·Zbl 0282.62051号 ·doi:10.1007/BF02194197 [21] Jennrich,RI,《倾斜旋转的简单通用方法》,《心理测量学》,67,1,7-19(2002)·Zbl 1297.62232号 ·doi:10.1007/BF02294706 [22] Jennrich,RI,使用分量损失函数旋转到简单载荷:正交情况,《心理测量学》,69,2,257-273(2004)·Zbl 1306.62440号 ·doi:10.1007/BF02295943 [23] Jennrich,RI,使用分量损失函数旋转到简单载荷:倾斜情况,心理测量学,71,1173-191(2006)·Zbl 1306.62442号 ·doi:10.1007/s11336-003-1136-B [24] Jennrich,RI;Sampson,P.,《简单载荷的旋转》,《心理测量学》,31,3,313-323(1966)·doi:10.1007/BF02289465 [25] Jin,S。;穆斯塔基,I。;Yang-Wallentin,F.,探索性因素分析的近似惩罚最大似然:正交案例,《心理测量学》,83,3,628-649(2018)·Zbl 1422.62352号 ·doi:10.1007/s11336-018-9623-z [26] Jöreskog,KG,《对最大似然因子分析的一些贡献》,《心理测量学》,32,4,443-482(1967)·Zbl 0183.24603号 ·doi:10.1007/BF02289658 [27] 约雷斯科格,KG;Goldberger,AS,用广义最小二乘法进行因子分析,《心理测量学》,37,3,243-260(1972)·Zbl 0241.62038号 ·doi:10.1007/BF02306782 [28] Kaiser,HF,《因子分析中分析旋转的方差最大标准》,《心理测量学》,23,3,187-200(1958)·Zbl 0095.33603号 ·doi:10.1007/BF02289233 [29] Karimi,H.、Nutini,J.和Schmidt,M.(2016)。Polyak-Lojasiewicz条件下梯度法和近似粒度法的线性收敛性。在关于数据库中的机器学习和知识发现的欧洲联合会议上(第795-811页)。 [30] Kiers,HA,Simplimax:以简单结构实现最佳目标的倾斜旋转,《心理测量学》,59,4,567-579(1994)·Zbl 0925.62228号 ·doi:10.1007/BF02294392 [31] 赖,M-J;Wang,J.,欠定线性系统稀疏解的无约束lq极小化,SIAM优化杂志,21,1,82-101(2011)·Zbl 1220.65051号 ·数字对象标识代码:10.1137/090775397 [32] 马查多,JA,稳健模型选择和M估计,计量经济学理论,9,3,478-493(1993)·文件编号:10.1017/S0266466600007775 [33] Mazumder,R。;JH弗里德曼;Hastie,T.,《斯巴塞内特:协调血统与非凸惩罚》,《美国统计协会杂志》,106,495,1125-1138(2011)·Zbl 1229.62091号 ·doi:10.1198/jasa.2011.tm09738 [34] 明绍森,N。;Yu,B.,高维数据稀疏表示的Lasso型恢复,《统计年鉴》,37,1,246-270(2009)·兹比尔1155.62050 ·doi:10.1214/07-AOS582 [35] Mulaik,SA,因子分析基础(2009),CRC出版社·doi:10.1201/b15851 [36] Nishii,R.(1984)。多元回归中变量选择准则的渐近性质。《统计年鉴》,758-D765·兹伯利0544.62063 [37] 北卡罗来纳州帕里赫。;Boyd,S.,近似算法,优化的基础和趋势,1,3,127-239(2014)·数字对象标识代码:10.1561/24000003 [38] Reckase,M.D.(2009年)。多维项目反应理论模型。在多维项目反应理论中。斯普林格·Zbl 1291.62023号 [39] Rohe,K.和Zeng,M.(2022年)。使用varimax进行葡萄酒酿造因子分析可以进行统计推断。英国皇家统计学会杂志-B辑(即将出版)。 [40] Schwarz,G.(1978年)。估算模型的维度。《统计年鉴》,461-464·Zbl 0379.62005年 [41] Sen,B。;班纳吉,M。;Woodroof,M.,《引导的不一致性:格伦纳德估计量》,《统计年鉴》,第38期,第4期,1953-1977年(2010年)·Zbl 1202.62057号 ·doi:10.1214/09-AOS777 [42] Shao,J.(1997)。线性模型选择的渐近理论。中国统计局,221-242·Zbl 1003.62527号 [43] Thurstone,LL,多因素分析。《心智向量的发展与扩展》(1947),芝加哥大学出版社·Zbl 0029.22203号 [44] Tibshirani,R.,《通过拉索进行回归收缩和选择》,《皇家统计学会期刊:B辑(方法学)》,58,1,267-288(1996)·Zbl 0850.62538号 [45] Trendafilov,NT,《从简单结构到稀疏组件:综述》,计算统计,29,3,431-454(2014)·Zbl 1306.65143号 ·doi:10.1007/s00180-013-0434-5 [46] 范德法特,AW,渐进统计学(2000),剑桥大学出版社·Zbl 0943.6202号 [47] Vrieze,SI,模型选择和心理学理论:关于Akaike信息标准(AIC)和Bayesian信息标准(BIC)之间差异的讨论,心理学方法,17,2,228(2012)·doi:10.1037/a0027127 [48] 山本,M。;Hirose,K。;Nagata,H.,稀疏因子分析的图形工具,Behaviormetrica,44,1,229-250(2017)·doi:10.1007/s41237-016-0007-3 [49] Yates,A.(1987)。多元探索性数据分析:探索性因素分析视角。Suny出版社。 [50] 张,H。;陈,Y。;李,X.,关于用奇异值分解进行探索性项目因子分析的注记,《心理测量学》,85,2,358-372(2020)·兹比尔1458.62282 ·doi:10.1007/s11336-020-09704-7 [51] 赵,S。;维滕,D。;Shojaie,A.,《为不可辩护辩护:一种非常朴素的高维推理方法》,《统计科学》,36,4,562-577(2021)·Zbl 07473936号 ·doi:10.1214/20-STS815 [52] 郑,L。;Maleki,A。;翁,H。;王,X。;Long,T.,(l_p)最小化是否优于(l_1)最小化?,IEEE信息理论汇刊,63,11,6896-6935(2017)·Zbl 1390.94511号 ·doi:10.1109/TIT.2017.2717585 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。