对具有时序相依性的离散数据,本文从隐变量的角度使用Gauss copula建模.不同于现有方法,本文对协方差提出一种新的约束以实现Gauss copula模型的可识别性,并基于此提出一个新的隐变量框架对隐Gauss变量的方差和协方差进行简约建模,从而将基于修正的Cholesky分解的联合建模方法推广到广义线性模型中,建立相应的理论性质.模拟和实际数据分析验证了所提出方法的性能.
科研之友
微信
新浪微博
Facebook
分享链接
