Inference for Dependent Data with Learned Clusters
Inference for Dependent Data with Learned Clusters
复制标题
使用学习集群进行相关数据的推理
DOI：
--
复制
发表时间：
2021
影响因子：
8
通讯作者：
L. Villacorta
中科院分区：
文献类型：
--
作者：
Jianfei Cao;Christian Hansen;Damian Kozbur;L. Villacorta
本文提出并分析了一种基于聚类的相关数据推理方法。这里考虑的主要设置是与空间索引的数据，其中所观察到的随机变量的依赖结构的特征在于一个已知的，观察到的相异性度量空间索引。观察划分成集群与使用的无监督聚类算法应用于相异性测量。一旦学习到聚类的划分，基于聚类的推理过程被应用于统计假设检验过程。本文提出的程序允许聚类的数量取决于数据，这为研究人员提供了一种选择适当聚类级别的原则性方法。本文给出了所提出的方法渐进达到正确大小的条件。仿真研究表明，所提出的方法在有限样本的各种统计检验问题与相关数据达到近标称尺寸。
This paper presents and analyzes an approach to cluster-based inference for dependent data. The primary setting considered here is with spatially indexed data in which the dependence structure of observed random variables is characterized by a known, observed dissimilarity measure over spatial indices. Observations are partitioned into clusters with the use of an unsupervised clustering algorithm applied to the dissimilarity measure. Once the partition into clusters is learned, a cluster-based inference procedure is applied to a statistical hypothesis testing procedure. The procedure proposed in the paper allows the number of clusters to depend on the data, which gives researchers a principled method for choosing an appropriate clustering level. The paper gives conditions under which the proposed procedure asymptotically attains correct size. A simulation study shows that the proposed procedure attains near nominal size in finite samples in a variety of statistical testing problems with dependent data.
影响因子：
6.3
作者：
Jenish N;Prucha IR
通讯作者：
Prucha IR
空间相关性鲁棒推理
影响因子：
6.1
作者：
Müller, Ulrich K.;Watson, Mark W.
通讯作者：
Watson, Mark W.