在动态背景下推断序列相关性

具有序列相关性和未知、非结构化且动态背景的序列数据在神经科学、心理学和计量经济学中无处不在。对此类数据推断序列相关性是统计学中的一个基本挑战。我们提出一种总变分约束最小二乘估计量，并结合假设检验，在存在未知非结构化动态背景的情况下推断序列相关性。对动态背景的总变分约束鼓励分段常数结构，可逼近广泛的动态背景。调谐参数通过 Ljung-Box 检验选取以控制偏差-方差权衡。我们通过变分不等式建立了估计误差的非渐近上界。我们还通过 Fano 方法推导了下误差界，并表明所提方法近乎最优。数值模拟和一项心理学中的真实研究证明了我们提出的方法相较于最先进方法的优异性能。