多向函数型数据的弱可分离性检验及其在脑连接研究中的应用
统计方法学
2018-11-15 v3
摘要
本文关注涉及双重或多重指标的多向函数型数据建模。我们引入弱可分离性概念。弱可分离结构支持使用分解信号为空间与时间分量的因子分解方法。分析揭示了与通常的强可分离协方差结构的有趣联系，并为多向函数型数据的张量方法提供见解。我们提出针对弱可分离性假设的正式检验，其中检验统计量的渐近零分布为卡方型混合分布。该方法被应用于研究运动任务期间源自源定位脑磁图信号的脑功能连接。
引用
@article{arxiv.1703.10210,
title = {A test of weak separability for multi-way functional data, with application to brain connectivity studies},
author = {Brian Lynch and Kehui Chen},
journal= {arXiv preprint arXiv:1703.10210},
year = {2018}
}