文献

J-GLOBAL ID：201902283321879521   整理番号：19A2405001

欠測多変量応答による中心平均部分空間の次元縮小推定【JST・京大機械翻訳】

Dimension reduction estimation for central mean subspace with missing multivariate response

著者 (3件)： Fan Guo-Liang (School of Economics and Management, Shanghai Maritime University, Shanghai, 201306, PR China) ,  Xu Hong-Xia (Department of Mathematics, Shanghai Maritime University, Shanghai, 201306, PR China) ,  Liang Han-Ying (School of Mathematical Sciences, Tongji University, Shanghai 200092, PR China)
資料名： Journal of Multivariate Analysis  (Journal of Multivariate Analysis)
巻： 174  ページ： Null  発行年： 2019年 
JST資料番号： D0675A  ISSN： 0047-259X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多変量応答データは,しばしば実際に発生し,それらはしばしば誤っている。この環境下では,標準的な十分な次元縮小(SDR)法は直接使用できない。次元を低減し,中心平均部分空間を推定するために,逆確率重み付け法に基づいて,プロファイル最小二乗推定法を提案した。プロファイル最小二乗法は共変量に関するいかなる分布仮定も必要とせず,従って既存のSDR法とは異なる。得られた中央平均部分空間の推定量は,いくつかの穏やかな条件下で漸近的に正常で,根のnは一貫していることが証明された。構造次元をBIC型基準によって決定し,その推定器の一貫性を確立した。包括的シミュレーションと実際のデータ解析は,提案した方法が有望であることを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 重みづけ ,  データ解析 ,  最小二乗法 ,  推定量 ,  シミュレーション ,  最小二乗推定 ,  *次元縮小
準シソーラス用語： 共変量 ,  *部分空間 ,  *多変量 ,  *欠測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 中心平均部分空間 ,  高次元性 ,  欠測データ ,  多変量応答 ,  十分な次元縮小

分類 (3件)： 医用情報処理  (JE15030Q) ,  分子・遺伝情報処理  (JE15040B) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 欠測 ,  多変量 ,  応答 ,  平均 ,  部分空間 ,  次元縮小 ,  推定