高维独立成分模型的拟合优度检验
统计理论
2026-05-20 v1 统计方法学
统计理论
摘要
独立成分（IC）模型是统计学、信号处理和机器学习中表示多元数据的标准工具。尽管IC模型被广泛使用，但用于评估其与数据兼容性的拟合优度检验却很少受到关注。我们开发了第一个在数据维度和样本量成比例发散时具有理论有效性保证的IC模型拟合优度检验。这之所以成为可能，是因为该检验不依赖于预白化步骤，而预白化步骤通常限制了其他拟合优度检验在高维情况下的适用性。我们的理论分析辅以数值实验，这些实验展示了该检验在一系列条件下的规模控制和功效。此外，我们提供了涉及基因表达数据的例子，以说明该检验在实践中具有有效诊断用途的潜力。
引用
@article{arxiv.2605.20099,
title = {A Goodness-of-Fit Test for Independent Component Models in High Dimensions},
author = {Mingshuo Liu and Siyao Wang and Miles E. Lopes},
journal= {arXiv preprint arXiv:2605.20099},
year = {2026}
}