.png){kind=icon}
返回
Copula-based models in compositional data analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jspi.2026.106416.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
组成数据，即具有单位总和约束的多变量分数数据，常出现在各个领域。对数比率法和Dirichlet回归均依赖于同类型边际分布的假设。我们通过引入对数比率坐标的Sigmoid变换，并利用Beta、比例逆高斯和单纯形边际分布结合高斯copula函数，为这类数据提出了一种分布框架。同时，我们提出了一个统一模型，用于构建专门针对组成数据的回归模型。该框架统一了一大类新的和对数比率型回归，并涵盖了一类非常灵活的回归模型。通过模拟研究和真实数据分析，对所提出估计量的性质进行了数值评估。
Keyword:
Gaussian copula
Compositional data
Logratio coordinates
Regression analysis
期刊
J
IF:
0.8
论文数:
38
被引数:
4.5K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏
查看更多内容