.png){kind=icon}
返回
Analyzing cellwise weighted data
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ecosta.2023.01.007.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据集的行（案例、对象）通常具有权重。例如，案例的权重可能反映其被观察的次数或其可靠性。对于分析此类数据，有多种行加权技术可用，最著名的是加权平均。但也有一些情况下，数据矩阵的单元格（条目）被分配了权重。本文提出了一种分析此类数据的方法。定义了一个单元格加权似然函数，该函数对应于一种称为“解包”的数据集变换。利用此加权似然函数，可以执行多元统计方法，如最大似然估计和似然比检验。特别关注协方差矩阵的估计，因为它们是多元统计的重要组成部分。提供了单元格最大似然估计器的R实现，该实现采用EM算法的一个版本。还提出了一种更快的近似方法，该方法在渐近意义上与其等价。(c) 2023 作者。由Elsevier B.V.代表EcoSta计量经济学与统计学出版。本文是开放获取文章，采用CC BY-NC-ND许可（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
Keyword:
Cellwise outliers
Covariance matrix
EM algorithm
Likelihood
Missing values
