基于图型融合Lasso的极值模型结构化分组
统计方法学
2026-02-18 v1
摘要
广义帕累托分布（GPD）是分析分布尾部行为的基本模型。特别是，GPD的形状参数刻画了分布的极端特性。本文中，我们提出了一种方法，通过图型融合Lasso对聚类数据的形状参数进行分组。该方法同时估计模型参数并识别哪些聚类可以被分组在一起。我们建立了该估计器的渐近理论，证明其方差低于聚类级估计器。这种方差降低不仅增强了估计的稳定性，还为基于其尾部行为对聚类之间的同质性和异质性提供了原则性依据。我们通过蒙特卡洛模拟评估了所提估计器的性能。作为示例，我们将该方法应用于来自日本996个聚类地点的降雨数据。
引用
@article{arxiv.2602.15291,
title = {Structural grouping of extreme value models via graph fused lasso},
author = {Takuma Yoshida and Koki Momoki and Shuichi Kawano},
journal= {arXiv preprint arXiv:2602.15291},
year = {2026}
}
备注
40 pages, 14 figures