面向异质数据的软极大极小估计
统计方法学
2022-04-11 v4 统计计算
摘要
当数据被划分为多个异质组，且每组除共同信号外还包含各自特有的大幅变异成分时，从中提取一个共同的稳健信号可能十分困难。此前，极大极小估计（maximin estimation）已被提出作为异质噪声存在下的一种稳健估计方法。我们提出软极大极小估计（soft maximin estimation）作为一种计算上更具吸引力的替代方案，旨在在合并估计与（硬）极大极小估计之间取得平衡。软极大极小方法提供了一系列由参数 控制的估计量，可在合并最小二乘估计与极大极小估计之间进行插值。通过确立相关理论性质，我们认为软极大极小方法在统计上合理且在计算上具吸引力。我们还在真实与模拟数据上证明，软极大极小估计量在预测性能与计算复杂度方面均优于合并 OLS 与硬极大极小。我们在 CRAN 上提供的 R 包 \verb+SMME+ 中给出了一种时间与内存高效的实现。
引用
@article{arxiv.1805.02407,
title = {Soft Maximin Estimation for Heterogeneous Data},
author = {Adam Lund and Søren Wengel Mogensen and Niels Richard Hansen},
journal= {arXiv preprint arXiv:1805.02407},
year = {2022}
}