使用多收缩目标对大协方差矩阵进行收缩估计
统计方法学
2018-09-24 v1 应用统计
摘要
协方差矩阵的线性收缩估计量——定义为样本协方差矩阵与预先指定的收缩目标矩阵的加权平均——在分析高通量分子数据时很常用。然而，其性能强烈依赖于目标矩阵的恰当选择。本文引入了一类更灵活的线性收缩估计量，可容纳多个收缩目标矩阵，直接考虑目标选择的不确定性。这在共轭贝叶斯框架下完成，计算高效。利用模拟和真实数据，我们表明所提估计量对目标误设定较不敏感，并且可以优于最先进的（非参数）单目标线性收缩估计量。利用来自 The Cancer Proteome Atlas 的蛋白质表达数据，我们说明了如何将多个先验信息源（取自 30 多种不同癌症类型）纳入所提多目标线性收缩估计量。特别地，表明目标特定权重可揭示癌症类型间的差异与相似。该方法的软件作为 R 包发布于 http://github.com/HGray384/TAS。
引用
@article{arxiv.1809.08024,
title = {Shrinkage estimation of large covariance matrices using multiple shrinkage targets},
author = {Harry Gray and Gwenaël G. R. Leday and Catalina A. Vallejos and Sylvia Richardson},
journal= {arXiv preprint arXiv:1809.08024},
year = {2018}
}