高维高斯数据探索性因子分析的无矩阵似然方法
统计方法学
2019-12-24 v2 定量方法
应用统计
统计计算
机器学习
摘要
本文提出一种新颖的剖面似然方法，用于估计高维高斯数据集（观测数少于变量数）探索性因子分析中的协方差参数。我们实现了隐式重启 Lanczos 算法与有限内存拟牛顿法，以构建用于似然最大化的无矩阵框架。模拟结果表明，我们的方法在不损失精度的前提下显著快于期望最大化解法。我们的方法被应用于在自杀未遂者、自杀意念者及对照组的数据上拟合因子模型。
引用
@article{arxiv.1907.11970,
title = {A Matrix--free Likelihood Method for Exploratory Factor Analysis of High-dimensional Gaussian Data},
author = {Fan Dai and Somak Dutta and Ranjan Maitra},
journal= {arXiv preprint arXiv:1907.11970},
year = {2019}
}
备注
10 pages, 5 figures, 4 tables