×

尺度函数回归中线性的限制似然比检验。 (英语) 兹比尔1332.62250

摘要:我们提出了一种测试标度函数回归关系线性度的方法。为此,我们使用了泛函广义可加模型(FGAM),这是泛函线性模型的最新扩展。对于函数协变量(X(t)),FGAM将平均响应建模为关于(F(X(t),t)的积分,其中(F(cdot,cdot))是未知的二元函数。FGAM可以看作是广义可加模型的自然泛函扩展。我们展示了如何将函数线性模型表示为嵌套在FGAM中的简单混合模型。利用这种表示法,我们考虑混合模型中零方差分量的限制似然比检验,以检验函数线性模型的零假设。这些方法是通用的,也可以应用于测试多变量加性模型中的相互作用或测试函数线性模型中的无影响。建议的性能测试是根据模拟数据进行评估的,并将其应用于测量柴油卡车的排放量,发现函数预测值和响应之间的关系存在强烈的非线性。

理学硕士:

62J10型 方差和协方差分析(ANOVA)
62克10 非参数假设检验
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Ait-Saídi,A.,Ferraty,F.,Kassa,R.,Vieu,P.:单功能指数模型中的跨验证估计。统计42(6),475-494(2008)·Zbl 1274.62519号 ·网址:10.1080/02331880801980377
[2] Asencio,M.,Hooker,G.,Gao,H.O.:函数卷积模型。统计师。模型。4(4), 1-21, http://www.bscb.cornell.edu/hooker/EmissionsPaper.pdf(2014)·Zbl 07257906号
[3] Bates,D.,Maechler,M.,Bolker,B.:lme4:使用S4类的线性混合效应模型。R软件包版本1.0-4。http://CRAN.R-project.org/package=lme4 (2013) ·Zbl 1390.62118号
[4] Cardot,H.、Ferraty,F.、Mas,A.、Sarda,P.:测试函数线性模型中的假设。扫描。《美国法律总汇》第30(1)、241-255页(2003年)·Zbl 1034.62037号 ·doi:10.1111/1467-9469.00329
[5] Chen,D.,Hall,P.,Müller,H.G.:具有非参数链接的单指数和多指数函数回归模型。Ann.Stat.39(3),1720-1747(2011)·Zbl 1220.62040号 ·doi:10.1214/11-AOS882
[6] Clark,N.N.、Gautam,M.、Wayne,W.S.、Lyons,G.W.、Thompson,G.J.:排放清单、空气质量建模、源分配和空气毒物排放清单的重型车辆底盘测功机测试。技术报告CRC报告编号E55/59,协调研究委员会(CRC),http://www.crcao.com/reports/recentstudies2007/E-55-59/E-55_59_Final_Report_23AUG2007.pdf (2007) ·Zbl 1129.62029号
[7] Clark,N.N.,Vora,K.A.,Wang,L.,Gautam,M.,Wayne,W.S.,Thompson,G.J.:根据其他循环的特性和结果表示循环及其排放。环境。科学。Technol公司。44(15), 5986-5992 (2010) ·doi:10.1021/es100308q
[8] 核心团队,R.:一种用于统计计算的语言和环境。R统计计算基金会,网址:http://www.R-project.org/ (2012) ·Zbl 1284.62270号
[9] Crainiceanu,C.M.,Ruppert,D.:具有一个方差分量的线性混合模型中的似然比检验。J.R.Stat.Soc.66(1),165-185(2004)·Zbl 1061.62027号 ·文件编号:10.1111/j.1467-9868.2004.00438.x
[10] Crainiceanu,C.M.、Reiss,P.T.、Goldsmith,J.、Huang,L.、Huo,L.和Scheipl,F.:退款:与功能数据的回归。R包版本0.1-7,http://CRAN.R-project.org/package=退款 (2013) ·Zbl 1116.62076号
[11] Febrero-Bande,M.,Oviedo de la Fuente,M.:功能数据分析中的统计计算:R包fda.usc。J.Stat.Softw,51(4):1-28,http://www.jstatsoft.org/v51/i04/ (2012)
[12] Febrero-Bande,M.,Galeano,P.,González-Manteiga,W.:函数数据的广义加性模型。试验22(2),278-292(2013)·Zbl 1367.62116号 ·doi:10.1007/s11749-012-0308-0
[13] Ferraty,F.,Vieu,P.:非参数函数数据分析:理论与实践。柏林斯普林格·弗拉格(2006a)·Zbl 1119.62046号
[14] Ferraty,F.,Vieu,P.:非参数功能数据分析。http://www.math.univ-toulouse.fr/staph/npfda网站/(2006年b)·Zbl 1119.62046号
[15] Gabris,R.,Horváth,L.,Kokoszka,P.:函数线性模型中误差相关性的测试。《美国法律总汇》第105卷(491)、第1113-1125页(2010年)·Zbl 1390.62118号 ·doi:10.1198/jasa.2010.tm09794
[16] García-Portugués,E.,González-Manteiga,W.,Febrero-Bande,M.:具有标量响应的函数线性模型的良好测试。J.计算。图表。统计(2013年,第页)·Zbl 1415.62027号
[17] Goldsmith,J.,Bob,J.、Crainiceanu,C.M.、Caffo,B.、Reich,D.:惩罚函数回归。J.计算。图表。Stat.20(4),830-851(2011)·文件编号:10.1198/jcgs.2010.10007
[18] Greven,S.,Crainiceanu,C.M.,Küchenhoff,H.,Peters,A.:线性混合模型中零方差分量的限制似然比检验。J.计算。图表。Stat.17(4),870-891(2008)·doi:10.1198/106186008X386599
[19] Guillas,S.,Lai,M.J.:空间函数回归模型的二元样条。J.非参数。《美国联邦法律大全》第22(4)卷第477-497页(2010年)·Zbl 1189.62068号 ·doi:10.1080/10485250903323180
[20] Horváth,L.,Reeder,R.W.:函数二次回归的显著性检验。伯努利。(2014年,待发布)·Zbl 1457.62134号
[21] James,G.M.,Silverman,B.W.:功能自适应模型估计。《美国统计协会期刊》100(470),565-577(2005)·Zbl 1117.62364号 ·doi:10.1198/0162145000001556
[22] Kong,D.,Staicu,A.M.,Maity,A.:函数线性模型中的经典测试。北卡罗来纳州立大学技术报告,http://www4.stat.ncsu.edu/staicu/papers/ClassicalTest_FLM_KSM.pdf。(2013年提交)·Zbl 1348.62136号
[23] Li,Y.,Wang,N.,Carroll,R.J.:具有半参数单指数相互作用的广义函数线性模型。《美国统计协会期刊》105(490),621-633(2010)·Zbl 1392.62095号 ·doi:10.1198/jasa.2010.tm09313
[24] Marx,B.D.,Eilers,P.H.C.:多维惩罚信号回归。技术计量学47(1),13-22(2005)·doi:10.1198/00401700400000626
[25] McLean,M.W.,Scheipl,F.,Hooker,G.,Greven,S.,Ruppert,D.:具有稀疏观测协变量的贝叶斯泛函广义加性模型。http://arxiv.org/abs/11305.3585(2013年提交)·Zbl 1189.62068号
[26] McLean,M.W.,Hooker,G.,Staicu,A.M.,Scheipl,F.,Ruppert,D.:泛函广义加性模型。J.计算。图表。《统计》第23(1)、249-269(2014)条。doi:10.1080/10618600.2012.729985·doi:10.1080/10618600.2012.729985
[27] Müller,H.G.,Wu,Y.,Yao,Y.:非线性函数回归的连续可加模型。生物特征。100(3),doi:10.1093/biomet/ast004。http://biomet.oxfordjournals.org/content/100/3/607 (2013) ·Zbl 1284.62407号
[28] Müller,H.G.,Wu,Y.,Yao,Y.:非线性函数回归的连续可加模型。生物特征。100(3),doi:10.1093/biomet/ast004。http://biomet.oxfordjournals.org/content/100/3/607 (2013) ·Zbl 1284.62407号
[29] Patterson,H.D.,Thompson,R.:块大小不相等时块间信息的恢复。《生物特征》58(3),545-554(1971)·Zbl 0228.62046号 ·doi:10.1093/biomet/583.545
[30] Pinheiro,J.C.,Bates,D.M.:线性混合效应模型:基本概念和示例。施普林格,纽约(2000年)·Zbl 0953.62065号
[31] Pinheiro,J.C.,Bates,D.M.,DebRoy,S.,Deepayan Sarkar。,核心团队,R.:nlme:线性和非线性混合效应模型,R包版本3.1-111(2013)
[32] Ramsay,J.O.,Silverman,B.W.:功能数据分析,第2版。施普林格,纽约(2005)·Zbl 1079.62006号
[33] Reiss,P.T.,Ogden,R.T.:一类半参数线性模型的平滑参数选择。J.R.Stat.Soc.71(2),505-523(2009)·Zbl 1248.62057号
[34] Ruppert,D.,Wand,M.P.,Carroll,R.J.:半参数回归。剑桥大学出版社,纽约(2003)·Zbl 1038.62042号 ·doi:10.1017/CBO9780511755453
[35] SAS Institute Inc.:SAS/STAT9.2用户指南(2008)
[36] Scheipl,F.,Greven,S.,Küchenhoff,H.:加性和线性混合模型中零随机效应方差或多项式回归的检验大小和功效。计算。统计数据分析。52(7), 3283-3299 (2008) ·Zbl 1452.62531号 ·doi:10.1016/j.csda.2007.10.022
[37] 斯威哈特·布鲁斯·J·,戈德史密斯·杰夫。,Crainiceanu Ciprian M.:功能线性模型中功能效应的限制似然比检验。Technometrics,(2014年,即将发布)
[38] Wang,X.,Ruppert,D.:加性函数模型中的最优预测。http://arxiv.org/abs/1301.4954(2013年提交)·Zbl 06503811号
[39] Wang,Y.:平滑样条:方法和应用。CRC出版社,博卡拉顿(2011)·Zbl 1223.65011号 ·doi:10.1201/b10954
[40] Wang,Y.,Chen,H.:关于通过具有多个方差分量的线性混合效应模型测试未指定函数。《生物计量学》68(4),1113-1125(2012)。doi:10.1111/j.1541-0420.2012.01790.x·Zbl 1259.62035号 ·doi:10.1111/j.1541-0420.2012.01790.x
[41] Wood,S.N.:广义加性模型:R.CRC出版社简介,博卡拉顿(2006a)·Zbl 1087.62082号
[42] Wood,S.N.:广义加性混合模型的低秩尺度不变张量积平滑。生物统计学62(4),1025-1036(2006b)·Zbl 1116.62076号 ·doi:10.1111/j.1541-0420.2006.00574.x
[43] Wood,S.N.:半参数广义线性模型的快速稳定限制最大似然和边际似然估计。J.R.Stat.Soc.73(1),3-36(2011)·兹比尔1411.62089 ·文件编号:10.1111/j.1467-9868.2010.00749.x
[44] Wood,S.N.:关于广义可加模型的光滑分量的p值。Biometrika 100(1),221-228(2013)·Zbl 1284.62270号 ·doi:10.1093/biomet/ass048
[45] Wood,S.N.,Scheipl,F.,Faraway,J.J.:混合模型中的直接中间秩张量积平滑。统计计算。23(3),341-360(2013)·Zbl 1322.62197号 ·doi:10.1007/s11222-012-9314-z
[46] Zhang,J.-T.,Chen,J.:功能数据的统计推断。Ann.Stat.35(3),1052-1079(2007)·Zbl 1129.62029号 ·doi:10.1214/00905360000001505
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。