×
福伊格尔、里纳；简·德雷斯马；马蒂亚斯·德顿

线性结构方程模型一般可辨识性的半路程准则。 （英语） Zbl 1257.62059号

Ann.统计。 40，第3期，1682-1713（2012）.
摘要：线性结构方程模型通过线性方程组将感兴趣的随机变量和相应的高斯噪声项联系起来。每个这样的模型都可以用一个混合图表示，其中有向边编码线性方程，而双向边表示噪声项之间可能的相关性。我们研究这些模型中的参数可识别性，也就是说，我们要求条件确保线性结构方程模型中出现的边缘系数和相关性可以从相关分布的协方差矩阵中唯一地恢复。我们讨论了一般可识别性的情况，其中几乎所有参数的选择都可以唯一恢复。我们给出了一个新的图形条件，该条件对于一般可识别性来说是充分的，并且可以在时间上得到验证，即在图的大小上是多项式的。它改进了先前工作中的标准，并且不要求图的有向部分是无环的。我们还开发了一个相关的必要条件，并通过对具有（25）或（50）个节点的图进行模拟，以及对最多五个节点的图形进行穷举代数计算，来检查充分条件和必要条件之间的“差距”。

引用于16文件

MSC公司：

62小时05 多元概率分布的表征与结构理论；连接线
62J05型 线性回归；混合模型
05摄氏90度 图论的应用
62时20分 关联度量（相关性、典型相关性等）
65C60个 统计中的计算问题（MSC2010）

关键词：

协方差矩阵；高斯分布；图形模型；多元正态分布；参数识别

软件：

四分体；Matlab公司；R（右）；单一
PDF格式BibTeX公司 XML格式引用
\textit{R.Foygel}等人，Ann.Stat.40，No.3，1682--1713（2012；Zbl 1257.62059）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Bollen，K.A.（1989年）。具有潜在变量的结构方程。纽约威利·Zbl 0731.62159号
[2] Brito，C.（2004）。结构方程模型中识别的图形方法。加州大学洛杉矶分校计算机科学系博士论文。
[3] Brito，C.和Pearl，J.（2002a）。具有相关误差的递归模型的一种新的辨识条件。结构。埃克。模型。9 459-474·doi:10.1207/S15328007SEM0904_1
[4] Brito，C.和Pearl，J.（2002b）。线性模型中因果效应识别的图形标准。第十八届全国人工智能会议（AAAI）论文集533-538。AAAI出版社，加利福尼亚州帕洛阿尔托。
[5] Brito，C.和Pearl，J.（2006年）。递归SEM中识别的图形条件。《第二十二届人工智能不确定性会议论文集》（R.Dechter和T.S.Richardson编辑）47-54。弗吉尼亚州阿灵顿AUAI出版社。
[6] Chan，H.和Kuroki，M.（2010年）。使用后代作为工具变量来识别线性SEM中的直接因果效应。《第十三届国际人工智能与统计会议论文集》（Y.W.Teh和M.Titterington，eds.）。J.马赫。学习。研究（JMLR），研讨会和会议记录9 73-80。可从获取。
[7] Cormen，T.H.、Leiserson，C.E.、Rivest，R.L.和Stein，C.（2001）。算法导论，第二版，麻省理工学院出版社，马萨诸塞州剑桥·兹比尔1047.68161
[8] Cox，D.、Little，J.和O'Shea，D.（2007年）。《理想、多样性和算法》，第三版，纽约斯普林格出版社。
[9] Decker，W.、Greuel，G.-M.、Pfister，G.和Schönemann，H.（2011）。奇异3-1-3-用于多项式计算的计算机代数系统。可在上获取·Zbl 0902.14040号
[10] Didelez，V.、Meng，S.和Sheehan，N.A.（2010年）。观察流行病学IV方法的假设。统计师。科学。25 22-40. ·Zbl 1328.62587号 ·doi:10.1214/09-STS316
[11] Drton，M.、Foygel，R.和Sullivant，S.（2011年）。线性结构方程模型的全局可识别性。安。统计师。39 865-886. ·Zbl 1215.62052号 ·doi:10.1214/10-AOS859
[12] Evans，W.N.和Ringel，J.S.（1999年）。提高香烟税能改善生育结果吗？公共经济学杂志72 135-154。
[13] Ford，L.R.Jr.和Fulkerson，D.R.（1962）。网络中的流量。普林斯顿大学出版社，新泽西州普林斯顿·Zbl 0106.34802号
[14] Foygel，R.、Draisma，J.和Drton，M.（2012）。补充“线性结构方程模型一般可识别性的半徒步标准”·Zbl 1257.62059号
[15] Garcia-Pente，L.D.、Spielvogel，S.和Sullivant，S.（2010年）。用计算机代数识别因果关系。《第二十届人工智能不确定性会议论文集》（P.Grünwald和P.Spirtes主编）。AUAI出版社。
[16] MathWorks公司（2010年）。MATLAB版本7.10.0（R2010a）。马萨诸塞州纳蒂克。
[17] Okamoto，M.（1973）。多元样本中二次型特征值的显著性。安。统计师。1 763-765. ·Zbl 0261.62043号 ·doi:10.1214操作系统/117632472
[18] Pearl，J.（2000）。因果关系：模型、推理和推理。剑桥大学出版社，剑桥·Zbl 0959.68116号
[19] R开发核心团队。(2011). R：一种用于统计计算的语言和环境。R统计计算基金会，奥地利维也纳。
[20] Richardson，T.和Spirtes，P.（2002年）。祖先图马尔可夫模型。安。统计师。30 962-1030. ·Zbl 1033.60008号 ·doi:10.1214/aos/1031689015
[21] Schrijver，A.（2004）。组合优化。多面体和效率。算法与组合学24 A。柏林施普林格·兹比尔1072.90030
[22] Spites，P.、Glymour，C.和Scheines，R.（2000）。因果、预测与搜索，第二版，麻省理工学院出版社，马萨诸塞州剑桥·Zbl 0806.62001
[23] Sullivant，S.、Talaska，K.和Draisma，J.（2010年）。高斯图形模型的Trek分离。安。统计师。38 1665-1685. ·Zbl 1189.62091号 ·doi:10.1214/09-AOS760
[24] 田杰（2005）。识别线性模型中的直接因果效应。第二十届全国人工智能会议（AAAI）论文集346-353。AAAI出版社，加利福尼亚州帕洛阿尔托。
[25] 田杰（2009）。一类线性结构方程模型的参数识别。1970-1975年第二十一届国际人工智能联合会议记录。AAAI出版社，加利福尼亚州帕洛阿尔托。
[26] Wermuth，N.（2011年）。具有摘要图结构的概率分布。伯努利17 845-879·Zbl 1245.62062号 ·doi:10.3150/10-BEJ309
[27] Wright，S.（1921）。相关性和因果关系。农业研究杂志20 557-585。
[28] Wright，S.（1934年）。路径系数法。安。数学。统计师。5 161-215. ·Zbl 0010.31305号 ·doi:10.1214/aoms/1177732676
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。