用稀疏主成分分析识别成分数据中重要的成对对数比
统计方法学
2023-11-27 v1 应用统计
摘要
成分数据的特征在于其组成信息包含在构成该组合的各部分之间的简单成对对数比中。虽然成对对数比通常易于解释，但即便对于中等规模的组成，待考虑的可能配对数量也会迅速变得（过于）庞大，这可能妨碍后续多元分析中的可解释性。因此，稀疏方法有助于从全部候选集合中识别出少数重要的成对对数比（以及其中包含的部分）。为此，我们提出一种基于构造所有可能成对对数比并采用稀疏主成分分析来识别重要成对对数比的流程。该流程的性能通过模拟与真实数据得以展示。在我们的实证分析中，提出了三种可视化工具，分别展示（i）稀疏性与解释变异性之间的平衡，（ii）成对对数比的稳定性，以及（iii）原始成分部分的重要性，以协助从业者进行模型解释。
引用
@article{arxiv.2311.13911,
title = {Identifying Important Pairwise Logratios in Compositional Data with Sparse Principal Component Analysis},
author = {Viktorie Nesrstová and Ines Wilms and Karel Hron and Peter Filzmoser},
journal= {arXiv preprint arXiv:2311.13911},
year = {2023}
}
备注
23 pages, 13 figures, 1 appendix, submitted to: Mathematical Geosciences