带有非齐次结构动力因子模型的估计与检验.pdfVIP

应 用 数 学 MATHEMATICA APPLICATA 2015．28(1)：65-73 * 带有非齐次结构动力因子模型的估计与检验 夏业茂，勾建伟 (南京林业大学理学院，江苏 南京 210037) 摘要：因子模型在刻画因子之 间的相互关系以及 因子与观测变量之 间的关联性具有 重要作用．在 实际应用中，观测数据往往呈现 出时序变异多峰 、偏态等特性．本文将经 典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型，建立 了极大似然统计分析程 序．经验结果展示所建立的统计程序是有效的． 关键词 ：隐马尔可夫模型；潜变量模型；期望最大化算法 (EM 算法)；向前向后递推 中图分类号 ：0212．8；0212．4 AMS(2000)主题分类 ：62F15；62F35 文献标识码 ：A 文章编号：1O01-9847(2O15)01-0065—09 1．引言 随着计算机的快速发展和各类信息技术飞跃式 的革新 ，人类社会 已经进入大数据 (Big Data)时代．各种复杂的数据结构和数据形式呈现在人们面前．如何从复杂多变的数据 中提取 有价值的信息、发掘随机现象背后深层次、本质的规律已经成为当今社会一个主要任务．而提 取信息的一个重要途径是借助于经典的统计模型进行数据挖掘．经典的因子分析模型[1就是 借助于不可观测的因子变量来刻画潜在 因素之间的相互关联性并进而解释观测指标 (变量)之 间的关联性 ，从而为搭建不 同类型、不同层次的数据关联性提供 了便捷的工具．这类模型已经 在行为学、教育学和社会心理学等领域得到广泛的应用．当前许多著名 的统计软件如 LI— SERL8~等可直接用来进行该模型的统计分析．然而在实际应用中，多元数据不仅呈现出指标 之间的关联性 ，而且还呈现出时序方面的变异性，同时，观测数据还呈现 出多峰、偏态 、异常点 等异质性 ，这对于基于独立性和正态性假设 的因子分析模型的统计分析构成挑战． 近年来 ，隐马尔可夫模型在因子分析模型得到一定的应用．王新 民等[5将隐马尔可夫模型 的观测模型推广到隐齐次马尔可夫正交因子分析模型，该模型假定因子变量协方差矩阵为单 位阵，并假定转移概率为时齐性．这种假定对于刻画因子的关联性方面不够充分；同时，时齐性 假定也忽略了协变量对转移概率的影响，另外 ，该文对该模型的统计性质的论述有限． 本文将 隐马尔可夫观测模型延伸到一般的因子分析模型．这种延伸包括两个方面 ：一是各 个因子之间并不需要假定统计意义上的正交性．这对于负荷矩阵具有特定结构的因子分析模 * 收稿 日期 ：2013-12-15 基金项 目：南京林业大学高学历人才项 目(163101004)，南京市 留学回国人员科技择优资助项 目 (013lOlOO1)，国家 自然科学基金 作者简介 ：夏业茂，男，汉族 ，安徽人 ，副教授，研究方向：潜变量模型，稳健性分析． 66 应 用 数 学 型更为合理；二是同时允许协变量对潜在状态的转移构成影响．此时状态转移的齐一性可以归 结为相关参数的假设检验．由于因子相关结构的引入和动力 logistic模型的非线性 ，这种延伸 不仅带来了计算上的挑战，而且模型的拟合(包括状态维数的选择以及相关参数的选择)也较 简单的隐马尔可夫模型复杂，但该模型对于刻画观测数据的关联性，解释数据的时序变异和数 据的异质提供了一种新的途径．本文运用 EM算法吲，并结合 向前 向后递推Ⅲ来对模型的未知 参数作出估计 ，并对潜在状态的维数和因子负荷阵的齐一性作出了评价．我们进行了随机模拟 并对社会心理数据进行了统计分析． 2．动力 因子模型 对 i— l，…，N，t一 1，… ，T，设 Y 为个体 i在时刻t时的P维观测 向量．考虑因子模型 [『 l ，F， 一r]～Np(A， +AF ，)， ，、 l[F lz ===r，]～N (o，)， 其 中，z 为q维解释变量 ，F 为m维因子变量，z为取值于 1，…，S的状态变量 ，A 为P×q维 回归系数矩阵，以，为P×m维因子负荷矩阵， 为P×P正定对角矩阵，以及 为 × 正 定矩阵．这里