PenPC：一种估计高维有向无环图骨架的两步法
统计方法学
2014-05-08 v1 应用统计
摘要
估计有向无环图 (DAG) 的骨架对于理解底层 DAG 至关重要，并且当 DAG 不可识别时，可以从骨架评估因果效应。我们提出了一种名为 PenPC 的新方法，通过两步法来估计高维 DAG 的骨架。我们首先使用惩罚回归估计浓度矩阵的非零项，然后通过评估一组条件独立假设来修正浓度矩阵与骨架之间的差异。对于顶点数 处于样本量 的多项式或指数尺度的高维问题，我们研究了 PenPC 在两类图上的渐近性质：所有顶点具有相同期望邻居数的传统随机图，以及少数顶点可能拥有大量邻居的无标度图。正如在癌症患者基因表达数据上的广泛模拟和应用所示，PenPC 比当前标准方法 PC-stable 算法具有更高的灵敏度和特异性。
引用
@article{arxiv.1405.1603,
title = {PenPC: A Two-step Approach to Estimate the Skeletons of High Dimensional Directed Acyclic Graphs},
author = {Min Jin Ha and Wei Sun and Jichun Xie},
journal= {arXiv preprint arXiv:1405.1603},
year = {2014}
}