이 질문은 선형 버전의 특정 버전에서 제한된 최대 가능성 (REML) 추정을 다룹니다.
여기서, 인 ( N × P )에 의해 매개 변수화 행렬 α ∈ R의 k는 , 그대로 Σ ( α ) . β 는 알려지지 않은 방해 파라미터 벡터이며; α 추정에 관심이 있으며 k ≤ p ≪ n 입니다. 최대한의 가능성으로 모델을 추정하는 것은 문제가 없지만 REML을 사용하고 싶습니다. 예를 들어 LaMotte를 참조 하면, 가능성 A ' Y 이며, 여기서 A 는 다음과 같은 반 직교 행렬이다. 쓸 수있다
때 전체 열 순위입니다 .
내 문제는 완벽하고 합리적이며 과학적으로 흥미로운 행렬 X ( α ) 가 전체 열 순위가 아니라는 것입니다. 내가 차종 위의 제한된 가능성의 본 모든 유도가 적용되지 않습니다 결정 등식으로 사용하는 경우 | X ' X | = 0 , 즉 X의 전체 열 순위를 가정합니다. 합니다. 즉, 위의 제한된 가능성은 매개 변수 공간의 일부에 대한 설정에만 적합하므로 최적화하려는 것이 아닙니다.
질문 : 가 전체 열 순위 라고 가정하지 않고 통계 문헌이나 다른 곳에서 파생 된보다 일반적인 제한 가능성이 있습니까? 그렇다면 어떤 모습입니까?
일부 관찰 :
- 지수 부분을 도출하는 것은 아무런 문제가 없으며 위와 같이 무어-펜로즈 역으로 작성 될 수 있습니다
- 의 컬럼 위한 (임의) 정규직 교 기저이다 C ( X ) ⊥
- 알려진 경우 A ' Y 의 가능성은 모든 α에 대해 쉽게 기록 될 수 있지만 물론 A 의 기본 벡터, 즉 열의 수 는 X 의 열 순위에 따라 다릅니다.
이 질문에 관심이있는 사람의 정확한 파라미터 믿는다면 도움이 될 것이다 알려 나는 그들을 쓸 것이다. 이 시점에서 저는 대부분 정확한 치수 의 일반 X 에 대한 REML에 관심이 있습니다.
모델에 대한 자세한 설명은 다음과 같습니다. 하자 수 R 차원 일차 벡터 자기 회귀 [VAR (1)] 여기서, V의 t I 난 거라고 ~ N ( 0 , Ω ) . 시간 t = 0 에서 고정 값 y 0 에서 프로세스가 시작되었다고 가정하십시오 .
정의하십시오 . 모델은 다음 정의 및 표기법을 사용하여 선형 모델 형태 Y = X β + ε 로 작성 될 수 있습니다 .
여기서, 이고 T가 - 사람과의 차원 벡터 E (1) , T 의 첫번째 표준 기저 벡터 R T .
나타냅니다 . A 가 전체 순위가 아닌 경우 X ( α ) 는 전체 열 순위가 아닙니다. 예를 들어, y t 의 성분 중 하나가 과거에 의존하지 않는 경우가 포함됩니다.
REML을 사용하여 VAR을 추정하는 아이디어는 예를 들어 예측 회귀 문헌 (예를 들어 Phillips 및 Chen 및 그 참고 문헌 참조)에 잘 알려져 있다.
행렬 는 일반적인 의미에서 디자인 행렬이 아니며, 모델에서 벗어나고 A 에 대한 사전 지식 이없는 한 명확하게하는 것이 좋습니다 . 이 없으면 매개 변수화 할 수있는 방법이 없습니다. 그것은 전체 순위입니다.
수학 질문에 대한 답변 이이 질문에 대답 할 가능성을 도출하는 데 도움이 될 수 있다는 의미에서 this와 관련된 math.stackexchange에 질문을 게시했습니다 .