-
题名广义线性模型的多变点估计
- 1
-
-
作者
田玉莹
曹连英
-
机构
东北林业大学
-
出处
《哈尔滨师范大学自然科学学报》
2025年第6期1-6,共6页
-
基金
中央高校基本科研业务费专项资金资助项目(2572018BC20)
黑龙江省自然科学基金资助项目(C201408)。
-
文摘
广义线性模型的变点问题在金融、医学、工业等领域有广泛应用.据此对广义线性模型中多结构变点的检测问题进行了研究.对数据序列进行分段的同时将广义线性模型变点检测问题转化为高维广义线性模型的变量选择问题,基于组正交贪婪算法(group orthogonal greedy algorithm,GOGA)和广义线性模型的极大似然估计进行变量选择,得到变点所在的段,应用整体最大值型统计量(over-all maximum-type)进行检验来得到准确的变点数量和位置.最后,通过数值模拟验证了该方法的可行性.
-
关键词
广义线性模型
多变点
组正交贪婪算法(goga)
-
Keywords
Generalized linear models
Multiple change point
group orthogonal greedy algorithm(goga)
-
分类号
O212
[理学—概率论与数理统计]
-
-
题名线性回归模型中相依数据的多结构变点的估计
被引量：6
- 2
-
-
作者
李美琪
金百锁
董翠玲
-
机构
中国科学技术大学管理学院
新疆师范大学数学科学学院
-
出处
《中国科学：数学》
CSCD
北大核心
2023年第7期1007-1024,共18页
-
基金
国家自然科学基金(批准号:71873128,72111530199和11801488)
安徽省自然科学基金(批准号:2108085J02)资助项目。
-
文摘
多变点线性模型经常应用于统计学和计量经济学中.本文通过分割数据并建立相依观测数据的高维线性回归模型,将变点检测问题转化为变量选择问题.在变量选择中,应用组正交贪婪算法(group orthogonal greedy algorithm,GOGA)来解决变点数量随观测数量的增加而增加的情形,并结合高维信息准则(high-dimensional information criteria,HDIC)以防止过度拟合.第一阶段采用GOGA+HDIC+Trim对分段数据进行变量选择来降低计算成本,第二阶段应用拟似然比检验来得到更精准的变点位置.在相对温和的条件下,本文证明了变点数量和位置的相合性.模拟结果和实际数据应用证明了该算法的精确性.
-
关键词
多变点
高维回归
变量选择
组正交贪婪算法(goga)
高维信息准则(HDIC)
-
Keywords
multiple change-point
high-dimensional regression
variable selection
group orthogonal greedy algorithm(goga)
high-dimensional information criteria(HDIC)
-
分类号
O212.1
[理学—概率论与数理统计]
-
