KLLR：一种用于回归分析的尺度依赖多元模型类
天体物理仪器与方法
2022-06-15 v2 星系天体物理
应用统计
摘要
天体系统的基础物理决定了其可测性质间的关系。因此，量化某类系统群体中系统级可观测性质间的统计关系，可揭示该类系统的天体物理驱动因素。尽管纯线性模型在有限系统尺度范围内刻画行为，但天体物理最终具有尺度依赖性，这意味着需要更灵活的方法来描述宽动态范围内的群体统计。对此类应用，我们引入并实现了核局部线性回归（KLLR）模型类。KLLR 是对常用线性模型的自然扩展，其允许线性模型的参数——归一化、斜率与协方差矩阵——为尺度依赖的。KLLR 分两步推断：（1）估计一组自变量与因变量间的均值关系；（2）估计给定自变量时因变量的条件协方差。我们在模拟环境中演示了模型性能，并展示了所提模型在分析暗物质晕重子含量中的应用。作为本工作的一部分，我们公开发布了 KLLR 方法的 Python 实现。
引用
@article{arxiv.2202.09903,
title = {KLLR: A scale-dependent, multivariate model class for regression analysis},
author = {Arya Farahi and Dhayaa Anbajagane and August Evrard},
journal= {arXiv preprint arXiv:2202.09903},
year = {2022}
}
备注
The code is publicly available at https://github.com/afarahi/kllr and can be installed through `pip install kllr`