线性潜结构分析：从基础到算法与应用
统计理论
2007-06-13 v2 统计理论
摘要
本文提出一种从现有数据构建线性潜结构（LLS）模型的新的统计技术，该技术有坚实的理论结果和高效算法支撑。该方法将 LLS 模型参数估计问题转化为一系列线性代数问题，从而保证了较低的计算复杂度以及处理涉及数千个变量的大规模数据的能力。文中详细讨论了整体计算方案及其各个组成部分。模拟实验证明了该算法在重构模型参数方面的优异性能。并以一项人口学调查为例给出了逐步分析。该技术可用于分析高维分类数据（例如人口学调查、基因表达数据），这类数据要求对潜在的潜结构进行检测、评估和解释。
引用
@article{arxiv.math/0508299,
title = {Linear Latent Structure Analysis: from Foundations to Algorithms and Applications},
author = {I. Akushevich and M. Kovtun and A. I. Yashin and K. G. Manton},
journal= {arXiv preprint arXiv:math/0508299},
year = {2007}
}
备注
26 pages, 2 figures