×

函数数据线性模型中预测的加权最小二乘法。 (英语) 兹比尔1326.62151

摘要:函数线性回归中的预测问题通常通过标准主成分基降维来解决。本文表明,当实验误差为异方差时,加权最小二乘法更有效。我们给出了一个简明的理论结果,证明了这种方法的有效性,即使方差模型不准确,我们也探索了该方法的数值特性。我们还表明,所建议的自适应技术的优点不仅存在于问题的低维方面;相反,它们在所有维度中几乎平均增长。

MSC公司:

62J05型 线性回归;混合模型
62G05型 非参数估计

软件:

fda(右)
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Besse,P.和Ramsay J.O.(1986年)。主成分-采样函数分析。,《心理测量学》51,285-311·Zbl 0623.62048号 ·doi:10.1007/BF02293986
[2] Boente,G.和Fraiman,R.(2000年)。基于内核的功能主组件。,统计师。普罗巴伯。莱特。48 , 335-345. ·Zbl 0997.62024号 ·doi:10.1016/S0167-7152(00)00014-6
[3] Brumback,B.A.和Rice,J.A.(1998年)。曲线嵌套和交叉样本分析的平滑样条模型。,J.Amer。统计师。协会93,961-976·Zbl 1064.62515号 ·doi:10.2307/2669837
[4] Cai,T.T.和Hall,P.(2006)。函数线性回归中的预测。,安。统计师。34 , 2159-2179. ·Zbl 1106.62036号 ·doi:10.1214/009053600000830
[5] Cardot,H.(2000)。采样噪声函数平滑主成分分析的非参数估计。,J.Nonparam(非参数)。统计师。12 , 503-538. ·Zbl 0951.62030号 ·doi:10.1080/104485250008328220
[6] Cardot,H.、Crambes,C.Kneip,A.和Sarda,P.(2006)。带误差变量的函数线性回归中的光滑样条估计。,计算。统计师。数据分析。51 , 4832-4848. ·Zbl 1162.62333号 ·doi:10.1016/j.csda.2006.07.029
[7] Cardot,H.、Ferraty,F.和Sarda,P.(1999)。函数线性模型。,统计师。普罗巴伯。莱特。45 , 11-22. ·Zbl 0962.62081号 ·doi:10.1016/S0167-7152(99)00036-X
[8] Cardot,H.、Ferraty,F.和Sarda,P.(2000)。Etude渐近d'un估计样条混合模型函数。,C.R.学院。科学。巴黎。I 330、501-504号·Zbl 0944.62040号 ·doi:10.1016/S0764-4442(00)00207-X
[9] Cardot,H.、Ferraty,F.和Sarda,P.(2003)。函数线性模型的样条估计。,统计师。中研院13571-591·Zbl 1050.62041号
[10] Cardot,H.和Sarda,P.(2006年)。功能数据的线性回归模型。收录于:《半参数学的艺术》(The Art of Semiparametrics Eds.S.Sperlich,W.Härdle and G.Aydinli),第49-66页。柏林施普林格·Zbl 1271.62145号 ·doi:10.1007/3-7908-1701-54
[11] Carroll,R.和Ruppert,D.(1988)。,回归中的转换和加权。查普曼和霍尔,纽约·Zbl 0666.62062号
[12] Cuevas,A.、Febrero,M.和Fraiman,R.(2002)。线性函数回归:固定设计和功能响应的情况。,加拿大。J.统计。30 , 285-300. ·Zbl 1012.62039号 ·doi:10.2307/3315952
[13] Faraway,J.J.(1997年)。功能性反应的回归分析。,技术计量39,254-261·Zbl 0891.62027号 ·doi:10.2307/1271130
[14] Ferraty,F.和Vieu,P.(2000年)。半赋范向量空间中的分形维数与回归估计。,C.R.学院。科学。巴黎。公元330139-142年·兹比尔0942.62045 ·doi:10.1016/S0764-4442(00)00140-3
[15] Ferraty,F.和Vieu,P.(2006)。,非参数功能数据分析。理论与实践。纽约州施普林格·Zbl 1119.62046号 ·数字对象标识代码:10.1007/0-387-36620-2
[16] Girard,S.(2000)。基于流形逼近的非线性PCA。,计算。统计师。15 , 145-167. ·Zbl 0976.62056号 ·doi:10.1007/s00180000025
[17] Hall,P.和Hosseini-Nasab,M.(2006)。关于函数主成分分析的性质。,J.R.统计社会服务。B 68,109-126·Zbl 1141.62048号 ·数字对象标识代码:10.1111/j.1467-9868.2005305.x
[18] Hall,P.和Hosseini-Nasab,M.(2009年)。函数主成分分析中的高阶界理论。,数学。程序。外倾角。菲尔学会,146225-256·兹比尔1153.62050 ·doi:10.1017/S0305004108001850
[19] He,G.Z.,Müller,H.-G.和Wang,J.-L.(2003)。平方可积随机过程的泛函正则分析。,J.多变量。分析。85 , 54-77. ·Zbl 1014.62070号 ·doi:10.1016/S0047-259X(02)00056-8
[20] Huang,J.Z.,Shen,H.和Buja,A.(2008)。基于惩罚秩一近似的函数主成分分析。,电子。《美国联邦法律大全》第2卷,第678-695页·Zbl 1320.62097号 ·doi:10.1214/08-EJS218
[21] James,G.M.、Hastie,T.J.和Sugar,C.A.(2000年)。稀疏函数数据的主成分模型。,生物特征87,587-602·Zbl 0962.62056号 ·doi:10.1093/biomet/87.3587
[22] Jank,W.和Shmueli,G.(2006年)。电子商务研究中的功能数据分析。,统计师。科学。21 , 155-166. ·Zbl 1426.62375号 ·doi:10.1214/0883423060000132
[23] Lavery,B.、Kariko,A.和Nicholls,N.(1992年)。澳大利亚历史降雨量数据集。,澳大利亚。遇见。Mag.,40,33-39。
[24] Mas,A.(2008)。局部功能主成分分析。,复杂分析。操作。理论2135-167·Zbl 1152.60032号 ·数字对象标识代码:10.1007/s11785-007-0026-x
[25] Ocaña,F.a.,Aguilera,a.M.和Escabias,M.(2007年)。函数主成分分析中的计算考虑。,计算。统计师。22 , 449-465. ·Zbl 1196.62080号 ·doi:10.1007/s00180-007-0051-2
[26] Ramsay,J.O.和Dalzell,C.J.(1991)。一些用于功能数据分析的工具。(经过讨论),J.Roy。统计师。Soc.序列号。B 53,539-572·Zbl 0800.62314号
[27] Ramsay,J.O.和Silverman,B.W.(2005)。,功能数据分析,第2版。纽约州施普林格·Zbl 1079.62006号
[28] Reiss,P.T.和Ogden,T.(2007)。函数主成分回归和函数偏最小二乘。,J.Amer。统计师。协会102,984-996·Zbl 1469.62237号 ·doi:10.1198/0162145000000527
[29] Rice,J.A.和Silverman,B.W.(1991)。当数据为曲线时,非参数估计均值和协方差结构。,J.罗伊。统计师。Soc.序列号。B 53,233-243页·Zbl 0800.62214号
[30] Silverman,B.W.(1995)。将参数效应纳入功能主成分分析。,J.罗伊。统计师。Soc.序列号。乙57,673-689·Zbl 0827.62051号
[31] Silverman,B.W.(1996)。通过选择范数平滑函数主成分分析。,安。统计师。第24页,1-24页·Zbl 0853.62044号 ·doi:10.1214/aos/1033066196
[32] Yao,F.、Müller,H.-G.和Wang,J.-L.(2005)。纵向数据的函数线性回归分析。,安。统计师。33 , 2873-2903. ·Zbl 1084.62096号 ·doi:10.1214/009053605000000660
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。