稳健主成分回归及其医学应用.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
稳健主成分回归及其医学应用.pdf

中国卫生统计2011年2月第 28卷第 稳健主成分 回归及其医学应用 刘伟新 郭东星 【提 要】 目的 探讨主成分回归模型的一种稳健估计方法。方法 将稳健主成分分析方法ROBPCA(robustprin— cipalcomponentregression)和重新加权的LTS(1easttrimmedsquares)方法结合起来 ,同时结合实例分析 ,建立稳健主成分 回归方程 ,并可以生成诊断图来诊断异常点。结果 用含有异常点的原始数据得到的稳健模型,拟合效果较好。解决 了 主成分回归中存在异常点的问题。结论 当主成分回归中存在异常点时,本文中所述的稳健主成分回归方法具有较高的 稳健性 ,有较好的应用前景。 【关键词】 ROBPCA法 重新加权的LTS估计 稳健主成分回归 异常点诊断 主成分回归 (principalcomponentregressionPCR) 默认时 O/=0.75。 可用于处理数据中的 自变量多重共线性 问题 ,而这个 (1)对每一个数据点X,计算它的异常值 (outly— 问题在医学资料的数据分析 中经常会 出现。但是,当 ingness),从中找到h个具有最小异常值的数据点, 数据中存在异常点时会影响主成分 回归模型的建立, 。tlo(Xi):ma (2) 在进行主成分 回归分析时除了可以进行异常点的诊 v MCD xiv) 断 ¨ 外,本文将再介绍一种稳健主成分 回归方法来 包含了所有的非零 向量,在主成分分析 中,如果 解决这个问题。 250,B是任意两个数据点之间的所有方 向的集 合,如果Cz250,从 口随机抽出250个方向。单变量 原理和方法 的MCD 位置参数和尺度估计参数,分别用 fM∞和 1.稳健主成分分析(ROBPCA) 。来表示 。这些估计值分别是有着最小方差的h个 ROBPCA(robustprincipalcomponentanalysis)是 观测点的均数及标准差。总的来说,对于每一个方 向 一 种稳健主成分分析的新方法。其结合 了投影寻踪 1,∈B我们将这n个数据点x投影到v上,再计算它们 (projectionpursuit)的思想 和稳健 的协 方差矩 的稳健的标准化的残差绝对值l v—tm∞(xjv)l/ cD 阵 ’估计的思想。 (v)。这样就产生了正交的不变的异常值。从而得 步骤一 :降低数据空间维数 到一个数据集 v,它的维数是 r1(r。ro),和包含有 设原始数据为 。n表示观测样本数,P表示 自 h个最小异常值的符号的索引集 Hn子集,为了方便起 变量的原始数 目。通过 中心化数据矩阵的奇异值分 见,仍然将刚刚得到的低维的数据记为X。 解 ,产生 (2)用五 和 来代表H。中的h个观测点的均 XnP 一 1 o=U Dr V (1) 数和协方差矩阵。协方差矩阵的特征值按降序排列, , o,ro 是均数 向量 ,ro=rank(X… 一1 。),D是一个 而且特征 向量被相应地标记。则 ro×r0的对角矩阵, U=,rn=VV

文档评论(0)

kfigrmnm + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档