关于具离散边缘的直接高斯 copula 模型分布变换近似的偶然精确性
统计方法学
2021-03-08 v1
摘要
具离散边缘分布的直接高斯 copula 模型是一种颇具吸引力的数据分析工具，但由于其似然函数难以处理，带来了艰巨的计算挑战。人们已提出若干似然的近似/替代方法，包括基于连续扩展的近似（CE）和基于分布变换的近似（DT）。连续扩展方法在蒙特卡洛误差范围内是精确的，但计算上难以扩展。分布变换方法允许高效计算，但并未提供其精确性的理论保证。然而在实践中，对于该模型的某些变体，基于分布变换的近似似然极其接近精确，以至于可以进行真正的最大似然或贝叶斯推断。我们证明了基于分布变换的目标函数对该模型两个有趣变体的精确性，并提出了一种可用于评估实验观测数据集精确性的量。该诊断方法将使从业者能够判断对于给定的数据集，使用基于 DT 的似然进行真正的贝叶斯推断或普通最大似然推断是否可行。
引用
@article{arxiv.2103.03688,
title = {On the Occasional Exactness of the Distributional Transform Approximation for Direct Gaussian Copula Models with Discrete Margins},
author = {John Hughes},
journal= {arXiv preprint arXiv:2103.03688},
year = {2021}
}