$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

다변량회귀에서 정보적 설명 변수 공간의 추정과 투영-재표본 정보적 설명 변수 공간 추정의 고찰
Note on the estimation of informative predictor subspace and projective-resampling informative predictor subspace 원문보기

응용통계연구 = The Korean journal of applied statistics, v.35 no.5, 2022년, pp.657 - 666  

유재근 (이화여자대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

정보적 설명 변수 공간은 일반적인 충분차원축소 방법들이 요구하는 가정들이 만족하지 않을 때 중심부분공간을 추정하기 위해 유용하다. 최근 Ko와 Yoo (2022)는 다변량 회귀에서 Li 등 (2008)이 제시한 투영-재표본 방법론을 사용하여 정보적 설명 변수 공간이 아닌 투영-재표본 정보적 설명 변수 공간을 새로이 정의하였다. 이 공간은 기존의 정보적 설명 변수 공간에 포함되지만 중심 부분 공간을 포함한다. 본 논문에서는 다변량 회귀에서 정보적 설명 변수 공간을 직접적으로 추정할 수 있는 방법을 제안하고, 이를 Ko와 Yoo (2022)가 제시한 방법과 이론적으로 그리고 모의실험을 통해 비교하고자 한다. 모의실험에 따르면 Ko-Yoo 방법론이 본 논문에서 제시한 추정 방법보다 더 정확하게 중심 부분 공간을 추정하고, 추정값들의 변동이 적다는 측면에서 보다 더 효율적임을 알 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

An informative predictor subspace is useful to estimate the central subspace, when conditions required in usual suffcient dimension reduction methods fail. Recently, for multivariate regression, Ko and Yoo (2022) newly defined a projective-resampling informative predictor subspace, instead of the in...

주제어

#군집 평균 방법   #다변량 회귀분석   #정보적 설명 변수 공간   #충분차원축소   #투영-재표본 평균 방법   #투영-재표본 정보적 설명 변수 공간  

참고문헌 (11)

  1. Ko S and Yoo JK (2022). Projective resampling estimation of informative predictor subspace for multivariate regression, Journal of the Korean Statistical Society, Available from: https://doi.org/10.1007/s42952-022-00178-0 

    상세보기 crossref

  2. Lee K, Choi Y, Um HY, and Yoo JK (2019). On fused dimension reduction in multivariate regression, Chemometrics and Intelligent Laboratory Systems, 193, 103828. 

    상세보기

  3. Li B, Wen S, and Zhu L (2008). On a projective resampling method for dimension reduction with multivariate responses, Journal of the American Statistical Association, 103, 1177-1186. 

    상세보기

  4. Li KC (1991). Sliced inverse regression for dimension reduction, Journal of the American Statistcal Association, 86, 316-342. 

  5. Park Y, Kim K, and Yoo JK (2022). On cross-distance selection algorithm for hybrid sufficient dimension reduction, Computational Statistics and Data Analysis, 176, 107562. 

    상세보기

  6. Setodji CM and Cook RD (2004). K-means inverse regression, Technometrics, 46, 421-429. 

    상세보기

  7. Yin X and Bura E (2006). Moment-based dimension reduction for multivariate response regression, Journal of Statististical Planning and Inference, 136, 3675-3688. 

  8. Yoo JK and Cook RD (2007). Optimal sufficient dimension reduction for the conditional mean in multivariate regression, Biometrika, 943, 231-242. 

  9. Yoo JK (2008). A novel moment-based sufficient dimension reduction approach in multivariate regresison, Com putational Statistics and Data Analysis, 52, 3843-3851. 

  10. Yoo JK (2016). Sufficient dimension reduction through informative predictor subspace, Statistics : A Journal of Theoretical and Applied Statistics, 50, 1086-1099. 

    상세보기

  11. Yoo JK (2018). Tutorial: Dimension reduction in regression with a notion of sufficiency, Communications for Statistical Applications and Methods, 23, 93-103. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로