×
乌富克·贝亚兹塔斯;尚汉林

函数对函数回归的稳健偏最小二乘方法。 （英语） Zbl 1503.62039号

钎焊。J.概率。统计。 36，第2期，199-219（2022）.
摘要：响应和预测因子由随机曲线组成的函数对函数线性回归模型已成为研究功能响应和功能预测因子之间关系的通用框架。估计模型参数的现有方法可能对外围观测值敏感，这在经验应用中很常见。此外，这些方法可能会受到此类观测结果的严重影响，导致不良的估计和预测结果。为了提高函数对函数线性回归模型在存在离群值时的预测精度，提出了一种基于迭代加权简单偏最小二乘的稳健估计方法。所提出的方法的性能是基于用于估计函数对函数线性回归模型的偏最小二乘分量的数量。因此，通过数据驱动的误差标准来确定组件的最佳数量。通过几个蒙特卡罗实验和经验数据分析，研究了该方法的有限样本性能。此外，采用非参数bootstrap方法构造响应函数的逐点预测区间。将结果与现有的一些方法进行了比较，以说明该方法可能获得的改进。

MSC公司：

62G08号 非参数回归和分位数回归
62J05型 线性回归；混合模型
62G35型 非参数稳健性
62G09号 非参数统计重采样方法
62H25个 因子分析和主成分；对应分析

关键词：

基函数;尺寸缩减;SIMPLS公司;加权似然

软件：

彩虹;fda（右）;WRS2型;无线局域网;矩阵指数函数
PDF格式BibTeX公司 XML格式引用
\textit｛U.Beyaztas｝和\textit｛H.L.Shang｝，Braz。J.概率。Stat.36，No.2，199--219（2022；Zbl 1503.62039）
全文： 内政部 arXiv公司

参考文献：

[1] Agostinelli，C.和Library，S.C.M.（2015）。加权似然估计。R包版本0.9-91。
[2] Aguilera，A.M.、Escabias，M.、Preda，C.和Saporta，G.（2010年）。使用基展开估计函数PLS回归：与化学计量学数据的应用。化学计量学和智能实验室系统104, 289-305.
[3] Aguilera，A.M.、Escabias，M.、Preda，C.和Saporta，G.（2016）。功能性PLS回归的惩罚版本。化学计量学和智能实验室系统154, 80-92.
[4] Aguilera，A.M.、Ocana，F.A.和Valderrama，M.J.（1999）。采用函数主成分法对不等间距数据进行预测。测试8, 233-254. ·Zbl 0945.62095号 ·doi:10.1007/BF02595871
[5] Alin，A.和Agostinelli，C.（2017年）。稳健的迭代重加权SIMPLS。化学计量学杂志31，e2881。
[6] Beyaztas，U.和Shang，H.L.（2019年）。使用加权似然法预测功能时间序列。统计计算与模拟杂志第893046-3060页·Zbl 07193882号 ·doi:10.1080/00949655.2019.1650935
[7] Beyaztas，U.和Shang，H.L.（2020a）。关于函数对函数回归：偏最小二乘法。环境与生态统计27, 95-114.
[8] Beyaztas，U.和Shang，H.L.（2020b）。一元和多元自回归时间序列模型的稳健自举预测区间。应用统计学杂志。显示。
[9] Beyaztas，U.和Shang，H.L.（2021）。函数对函数交互回归的偏最小二乘法。计算统计学36, 911-939. ·Zbl 1505.62064号 ·doi:10.1007/s00180-020-01058-z
[10] Chiou，J.-M.，Yang，Y.-F.和Chen，Y.-T.（2016）。多元函数线性回归和预测。多元分析杂志146, 301-312. ·Zbl 1336.62158号 ·doi:10.1016/j.jmva.2015.10.003
[11] Craven，P.和Wahba，G.（1978年）。使用样条函数平滑噪声数据。数值数学31, 377-703. ·Zbl 0299.65008号 ·doi:10.1007/BF01437407
[12] Cuevas，A.（2014）。函数数据统计理论的部分概述。统计规划与推断杂志147, 1-23. ·Zbl 1278.62012号 ·doi:10.1016/j.jspi.2013.04.002
[13] 康明斯·D·J和安德鲁斯·C·W（1995）。迭代重加权偏最小二乘：蒙特卡罗模拟的性能分析。化学计量学杂志9, 489-507.
[14] Dayal，B.S.和MacGregor，J.F.（1997年）。改进的PLS算法。化学计量学杂志11, 73-85.
[15] Jong，S.（1993年）。SIMPLS：偏最小二乘回归的另一种方法。化学计量学和智能实验室系统18, 251-263.
[16] Delaigle，A.和Hall，P.（2012年）。偏最小二乘法应用于函数数据的方法和理论。统计学年鉴40, 322-352. ·Zbl 1246.62084号 ·doi:10.1214/11-AOS958
[17] Escoufier，Y.（1970）。迷人的变数人群。巴黎大学统计研究所出版物19, 1-47. ·Zbl 0264.62021号
[18] Febrero-Bande，M.、Galeano，P.和Gonzalez-Manteiga，W.（2017年）。函数主成分回归和函数偏最小二乘回归：综述和比较研究。国际统计评论85, 61-83. ·Zbl 07763512号 ·doi:10.1111/insr.12116
[19] Ferraty，F.和Vieu，P.（2006年）。非参数函数数据分析纽约：Springer·Zbl 1119.62046号
[20] Gervini，D.（2012）。纵向数据的功能稳健回归。工作文件·Zbl 1253.62019年6月
[21] Goulet，V.、Dutang，C.、Maechler，M.、Firth，D.、Shapira，M.和Stadelmann，M.（2021）。expm：矩阵指数、对数、等。R软件包版本0.999-6。
[22] Hall，P.和Hosseini-Nasab，M.（2006）。关于函数主成分分析的性质。英国皇家统计学会杂志B辑68, 109-126. ·Zbl 1141.62048号 ·数字对象标识代码：10.1111/j.1467-9868.2005305.x
[23] He，G.，Müller，H.G.，Wang，J.L.和Yang，W.J.（2010）。通过典型分析的函数线性回归。伯努利16, 705-729. ·Zbl 1220.62076号 ·doi:10.3150/09-BEJ228
[24] Horvath，L.和Kokoszka，P.（2012）。函数数据推理及其应用纽约：Springer·Zbl 1279.62017号 ·doi:10.1007/978-1-4614-3655-3
[25] Xing，T.和Eubank，R.（2015）。函数数据分析的理论基础，以及线性算子的介绍印度钦奈：John Wiley&Sons·Zbl 1338.62009号 ·doi:10.1002/9781118762547
[26] Hubert，M.和Branden，K.V.（2003年）。偏最小二乘回归的稳健方法。化学计量学杂志第17页，第537-549页。
[27] Hullait，H.、Leslie，D.S.、Pavlidis，N.G.和King，S.（2021年）。稳健的函数对函数回归。技术计量学63, 396-409. ·doi:10.1080/00401706.2020.1802350
[28] Hyndman，R.J.和Shang，H.L.（2009）。预测功能时间序列。韩国统计学会杂志38, 199-211. ·Zbl 1293.62267号 ·doi:10.1016/j.jkss.2009.06.002
[29] Hyndman，R.J.和Shang，H.L.（2010）。功能数据的彩虹图、Bagplot和箱线图。计算与图形统计杂志19, 29-45. ·doi:10.1198/jcgs.2009.08158
[30] Ivanescu，A.E.、Staicu，A.-M.、Scheipl，F.和Greven，S.（2015）。惩罚函数对函数回归。计算统计学30, 539-568. ·Zbl 1317.65037号 ·doi:10.1007/s00180-014-0548-4
[31] Kalogridis，I.和Aelst，S.V.（2019年）。基于主成分的稳健函数回归。多元分析杂志173, 393-415. ·Zbl 1422.62101号 ·doi:10.1016/j.jmva.2019.04.003
[32] Kokoszka，P.和Reimherr，M.（2017年）。功能数据分析简介博卡拉顿：CRC出版社·Zbl 1411.62004号
[33] Lindsay，B.G.（1994年）。效率与稳健性：最小Hellinger距离和相关方法的情况。统计学年鉴22, 1018-1114. ·Zbl 0807.62030 ·doi:10.1214/aos/1176325512
[34] Luo，R.和Qi，X.（2019）。函数对函数回归的交互模型和模型选择。计算与图形统计杂志28, 309-322. ·Zbl 07499055号 ·doi:10.1080/10618600.2018.1514310
[35] Markatou，M.（1996）。稳健的统计推断：加权概率还是通常的M估计？统计学理论与方法中的传播25, 2597-2613. ·兹比尔0900.62165 ·doi:10.1080/03610929608831858
[36] Maronna，R.A.和Yohai，V.J.（2013）。基于样条的稳健函数线性回归。计算统计与数据分析65, 46-55. ·Zbl 1471.62132号 ·doi:10.1016/j.csda.2011.11.014
[37] Martines-Hernandez，I.和Genton，M.G.（2020年）。复杂和空间相关功能数据的最新发展。巴西概率统计杂志34, 204-229. ·Zbl 07232926号 ·doi:10.1214/20-BJPS466
[38] 松井，H.（2020）。功能反应模型的二次回归。计量经济与统计13, 125-136. ·doi:10.1016/j.ecosta.2018.12.003
[39] Matsui，H.、Kawano，S.和Konishi，S.（2009年）。功能反应和预测因子的正则化功能回归建模。数学工业杂志1, 17-25. ·Zbl 1294.62148号
[40] Müller，H.-G.和Yao，F.（2008）。功能加性模型。美国统计协会杂志103, 1534-1544. ·Zbl 1286.62040号 ·doi:10.1198/0162145000000751
[41] Olsen，N.L.、Markussen，B.和Raket，L.L.（2018年）。多元函数数据错位的同时推断。英国皇家统计学会杂志C辑67, 1147-1176. ·doi:10.1111/rssc.12276
[42] Preda，C.和Saporta，G.（2005年）。随机过程的PLS回归。计算统计学与数据分析48, 149-158. ·Zbl 1429.62224号 ·doi:10.1016/j.csda.2003.10.003
[43] Preda，C.和Schiltz，J.（2011年）。带功能反应的功能PLS回归：基展开法。在第14届应用随机模型和数据分析会议论文集1126-1133. 罗马斯皮恩扎大学。
[44] Ramsay，J.O.和Dalzell，C.J.（1991）。一些用于功能数据分析的工具。英国皇家统计学会杂志B辑53, 539-572. ·Zbl 0800.62314号
[45] Ramsay，J.O.、Graves，S.和Hooker，G.（2020年）。fda：功能数据分析。R软件包版本5.1.9·Zbl 1382.62001年 ·doi:10.1007/978-1-4939-7190-9
[46] Ramsay，J.O.和Silverman，B.W.（2002）。应用功能数据分析纽约：Springer·Zbl 1011.62002号 ·doi:10.1007/b98886
[47] Ramsay，J.O.和Silverman，B.W.（2006）。功能数据分析纽约：Springer。
[48] Raña，P.、Aneiros，G.和Vilar，J.M.（2015）。函数时间序列中异常值的检测。环境指标26, 178-191. ·Zbl 1525.62201号 ·doi:10.1002/env.2327
[49] Rao，B.L.S.P.（2010年）。用delta序列进行函数数据的非参数密度估计。巴西概率统计杂志24, 468-478. ·Zbl 1298.62063号 ·doi:10.1214/09-BJPS104
[50] Reiss，P.T.和Odgen，R.T.（2007）。函数主成分回归和函数偏最小二乘。美国统计协会杂志102, 984-996. ·Zbl 1469.62237号 ·doi:10.1198/0162145000000527
[51] Serrneels，S.、Croux，C.、Filzmoser，P.和Espen，P.J.V.（2005年）。部分稳健M-回归。化学计量学和智能实验室系统79, 55-64.
[52] Shin，H.和Lee，S.（2016）。稳健函数线性回归的RKHS方法。中国统计局26, 255-272. ·兹比尔1372.62018
[53] Tucker，R.S.（1938年）。价格刚性的原因。美国经济评论28, 41-54.
[54] Wakelinc，I.N.和Macfie，H.J.H.（1992）。稳健的PLS程序。化学计量学杂志6, 189-198.
[55] 王伟（2014）。线性混合函数对函数回归模型。生物计量学70, 794-801. ·Zbl 1393.62106号 ·doi:10.1111/biom.12207
[56] Wilcox，R.（2012）。稳健估计和假设检验简介马萨诸塞州沃尔瑟姆：爱思唯尔·Zbl 1270.62051号 ·doi:10.1016/B978-0-12-386983-8.00001-9
[57] Wold，H.（1974）。具有潜在变量的因果流：根据NIPALS建模的方式划分。欧洲经济评论5, 67-86.
[58] Yamanishi，Y.和Tanaka，Y.（2003年）。地理加权函数多元回归分析：数值研究。日本计算统计学会杂志15, 307-317. ·Zbl 1330.62222号 ·doi:10.5183/jjscs1988.15.2_307
[59] Yao，F.、Müller，H.-G.和Wang，J.-L.（2005）。纵向数据的函数线性回归分析。统计学年鉴33, 2873-2903. ·Zbl 1084.62096号 ·doi:10.1214/009053605000000660
[60] Younse，A.（2020年）。面函数数据的非参数判别。巴西概率统计杂志34, 112-126. ·Zbl 1442.62092号 ·doi:10.1214/18-BJPS418
[61] Zhang，J.，Zhou，Y.，Cui，X.和Xu，W.（2018）。变系数部分线性测量误差模型的半参数分位数估计。巴西概率统计杂志32, 616-656 ·兹比尔1398.62101 ·doi:10.1214/17-BJPS357
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。