提取

1简介

我们祝贺Luo等人。(2023)提出了具有时变回归系数的创新统计框架,用于分析相关流数据。他们将加权矩阵集成到二次推理函数中(Qu等人。,2000年),对最新数据赋予更大权重。还引入了跨批次的一阶自回归基矩阵的优雅分解,实现了计算上可行的在线更新算法。

面对海量数据,提取有用信息的关键是平衡计算效率和统计效率。除了通过Luo等人。(2023),子采样是另一种实现计算可行性的有效方法,但在估计效率上有所妥协(Wang等人。,2018,2019). 我们指出,子采样对于相关数据比独立数据更有效,因为所选子采样中的相关性可能会变得可以忽略不计。忽略相关性可能是简化计算的有效选项,即使它不用于完整的数据分析。当数据生成参数在数据批次中发生变化时,我们表明存在偏差-方差权衡,该权衡受参数函数的平滑度和分配给历史批次的权重的影响。我们在一个简化的情况下讨论了权重的最佳比率。

您当前没有访问此文章的权限。