递归极大线性模型的可辨识性与估计
统计理论
2019-10-08 v2 统计理论
摘要
我们研究由边加权有向无环图（DAG）表示的递归极大线性结构方程模型的可辨识性与估计。此类模型通常不可辨识，我们辨识出对应于给定观测分布的全体 DAG 与边权重的类别。对于估计，由于相应的分布族不被支配，标准似然理论无法应用。在给定底层 DAG 的条件下，我们给出该类边权重的估计量，并证明它可被视为广义极大似然估计。此外，我们发展了一种辨识 DAG 结构的简单方法。随着观测数增加，该方法以指数速率趋于 1 的概率正确辨识 DAG 的类别，并类似地精确辨识可能的边权重。
引用
@article{arxiv.1901.03556,
title = {Identifiability and estimation of recursive max-linear models},
author = {Nadine Gissibl and Claudia Klüppelberg and Steffen Lauritzen},
journal= {arXiv preprint arXiv:1901.03556},
year = {2019}
}