基于齐次化技术的异质更新回归在线更新统计量
统计方法学
2021-06-25 v2
摘要
在大数据流环境下，模型的变量集可能随数据流状况而改变是一种常见情形。本文提出一种齐次化策略，用以表示在数据流过程中逐步更新的异质模型。借助齐次化表示，我们可以轻松构造各类在线更新统计量，如异质更新回归模型中的参数估计、残差平方和与统计量。与经典情形主要不同的是，齐次化模型中的人工协变量并不像原模型中的自然协变量那样同分布，因此相关理论性质有别于经典情形。本文建立了在线更新统计量的渐近性质，表明新方法在无需对数据批次数作任何约束的情况下，即可达到估计效率与预言性质。通过仿真实验的多个数值例子进一步说明了该方法的表现。
引用
@article{arxiv.2106.12370,
title = {Online Updating Statistics for Heterogenous Updating Regressions via Homogenization Techniques},
author = {Lin Lu and Lu Jun and Li Weiyu},
journal= {arXiv preprint arXiv:2106.12370},
year = {2021}
}